已发布文章
机器学习
机器学习（Machine Learning, ML） 是人工智能（AI）的一个核心分支。它允许计算机系统通过分析大量数据来识别模式并自动学习提升，而无需进行显式的常规编程。与传统软件基于固定硬性规则处理数据不同，机器学习算法利用统计模型从历史数据中“汲取经验”，从而对未知数据做出预测、分类或决策。
章节目录
基础与方法论
监督学习
使用带标签的数据集进行训练。模型学习输入特征与输出标签之间的映射关系，常见应用包括图像识别、垃圾邮件过滤及价格预测（算法如线性回归、决策树、支持向量机）。
无监督学习
使用无标签的数据集。模型试图自行发现数据内部的隐藏结构或聚类特征，常见应用包括客户分群、异常检测及降维（算法如 K-Means 聚类、PCA）。