AI基础认知 下面我将系统性地介绍其基础知识，分为几个核心部分 从确定性到概率性传统AI（逻辑推理）：世界是确定的，规则是：“如果A，那么B，” 结论是非真即假，概率AI：世界是不确定的，知识表现为：“如果A，那么有 X% 的可能性 是B，有 Y% 的可能性 是C... 星博讯 2026-04-09 52 #基础知识 #核心部分
AI基础认知 -节点，表示随机变量（离散或连续） 贝叶斯网络（Bayesian Network），又称信念网络（Belief Network）或概率图模型，是一种用于表示变量间概率依赖关系的图模型，它结合了图论和概率论，通过有向无环图（DAG）描述变... 星博讯 2026-04-09 54 #节点 #随机变量
AI基础认知 决策树是一种基于树状结构的监督学习模型，广泛应用于分类和回归任务。其核心思想是通过一系列规则对数据进行递归划分，使每个子集内的样本尽可能属于同一类别或具有相似的目标值 基本结构节点：包括根节点、内部节点和叶节点，根节点：包含全部样本,通过第一个特征划分，内部节点：表示对某个特征的测试,根据测试结果将数据引向不同分支，叶节点：代表最终的预测结果（类别或数值），分支：对... 星博讯 2026-04-09 60 #决策树 #监督学习
AI基础认知 1.加载数据 群众的智慧想象一下,你要做一个重要决定（比如买哪只股票），如果你只问一个人，他的建议可能带有偏见或错误，但如果你询问成百上千个来自不同背景的人，然后采纳大多数人的意见，这个最终决定通常会更稳定、更准确... 星博讯 2026-04-09 53 #数据加载 #数据处理
AI基础认知 一、核心思想与比喻 想象你在平面上有一堆红色和蓝色的点，你需要画一条线把它们分开，这样的线可能有无数条，SVM的目标是找到“最好”的那条线，什么是最好的？ 最好的线是能让两类点离它都尽可能远的那条线，也就是说，它不仅要分... 星博讯 2026-04-09 52 #核心思想 #比喻
AI基础认知 一、核心定义与目标 聚类 的目标是：将数据集中的样本划分为若干个不相交的子集（称为“簇”或“类”），使得同一簇内的样本尽可能相似，而不同簇的样本尽可能不同，无监督：这意味着我们进行聚类时，数据没有预先标注的标签或类别,算... 星博讯 2026-04-09 68 #核心定义 #目标
AI基础认知 一、什么是分类问题？ 分类是监督学习中最核心的任务之一，其目标是：根据已知的、带有标签的样本数据，学习一个模型，用于预测新数据所属的离散类别，输入： 特征（Feature）向量，判断一封邮件是否是垃圾邮件，特征可能包括：发... 星博讯 2026-04-09 61 #分类 #问题
AI基础认知 回归是机器学习中监督学习的一个核心分支，其目标与分类问题形成鲜明对比 核心定义回归 是一种用于预测连续数值的统计方法和机器学习算法，它通过建立一个模型（一个数学函数），来描述一个或多个自变量（特征）与一个因变量（目标值）之间的关系，回归解决的是“多少？”的问题，而分类解... 星博讯 2026-04-09 51 #回归 #分类
AI基础认知 什么是GAN？ 生成对抗网络 是一种深度学习模型，是 生成模型 的一种，它的核心思想非常巧妙：通过让两个神经网络相互对抗、相互博弈，从而学习到真实数据的分布，并创造出新的、逼真的数据，最常被用来类比的就是 “假币制造... 星博讯 2026-04-09 49 #生成器 #判别器
AI基础认知 核心思想，一个先破坏再学习修复的逆向思维过程 想象一下教AI画画：传统方法（如GAN）：直接学习一张完美的画是什么样的，然后尝试画出来，这很难，容易出错，扩散模型的方法：先把一幅画（训练数据）一点点地加上“噪点”，直到它变成一片完全随机的、没有意... 星博讯 2026-04-09 52 #破坏 #修复
