机器学习基础复习笔记.pptxVIP

复习·笔记机器学习基础复习笔记核心知识点·典型题型·备考重点2026

课程导览01基础概念与任务分类建立术语框架与三大任务02监督学习经典算法回归分类与集成算法对比03无监督学习与特征工程聚类降维与数据预处理04模型评估与调优评估指标与拟合正则化05题型冲刺与易错点计算题解法与高频陷阱

基础概念与任务分类先立框架，再谈算法01

定义与三要素立牢根基核心定义：程序在任务T上，借助经验E获得性能度量P的提升，即具备学习能力。此表述常考填空与简答，需逐字记忆。三要素支撑数据·算法·算力数据：质量与数量决定模型效果上限算法：建模与优化的手段算力：支撑大规模训练概念层级机器学习?人工智能核心途径深度学习?机器学习进阶算法（基于神经网络）从有限训练数据中泛化出适用于未知数据的规律，实现数据驱动的智能优化。

三大任务按标签划界训练数据是否带标签，决定任务归属。监督学习带标签数据学习输入到输出的映射分类输出离散值（如垃圾邮件识别）回归输出连续值（如房价预测）无监督学习无标签数据发现内在结构聚类如用户分群降维如主成分分析强化学习智能体与环境交互依据奖惩信号学习最优策略典型应用如AlphaGo、自动驾驶路径优化快速判别输出连续数值→回归输出离散类别→分类连标签都没有→无监督以典型例子反推定义，胜过死记名称

假设空间与归纳偏好核心概念链：假设空间→版本空间→归纳偏