华为认证 AI 人工智能实战-第3章：机器学习核心算法与模型评估.pptxVIP

03/CHAPTER机器学习核心算法与模型评估华为认证AI人工智能实战训练营【HCIE】

课程大纲与学习路径本章内容将分为五个核心部分，预计课时2小时核心监督学习算法深入理解决策树、SVM和集成学习的原理与应用，构建预测能力强的模型。核心无监督学习算法掌握聚类与降维的常用方法，挖掘数据内在结构，助力数据探索与预处理。模型评估体系学习偏差-方差分解、交叉验证与核心评估指标，科学评估并优化模型性能。工业级实战案例基于真实信用卡欺诈检测数据集，进行全流程的模型对比、调优与实战演练。总结与展望回顾全章重点知识，集中解答高频问题，并布置实操任务巩固所学。

核心监督学习算法：决策树(DecisionTree)决策树是一种直观且易于解释的监督学习模型，它模拟人类的决策思维，通过递归地将复杂数据集划分为子集，最终构建出具有层次结构的“树”。它广泛应用于分类与回归任务。ID3算法|特征选择：信息增益?理论基础清晰，算法逻辑简单，易于实现与理解。

?易过度拟合且倾向于选择取值较多的特征。C4.5算法|特征选择：信息增益率?修正了ID3的偏向问题，支持处理连续特征与缺失值。

?涉及大量对数计算，整体计算成本相对较高。CART算法|特征选择：基尼系数/平方误差?支持二元分类与回归，是随机森林等集成模型的基石。

?在处理多分类问题时，相比C4.5策略不够灵活。决策树模型