从专家系统到机器学习

核心概念学习与实践清单

1

专家系统 (Expert System)

核心定义: 一种模拟人类专家决策能力的计算机系统,旨在通过预设的知识体系进行推理来解决特定领域内的复杂问题。

基本原理: 主要以 IF <前提> THEN <结论> 的规则形式来表示和使用知识。

系统构成: 专家系统 = 知识库 + 推理机

2

机器学习 (Machine Learning)

1. 有监督学习

通过学习带有明确“标签”的数据,建立输入与输出间的映射关系。

实践体验:图像分类项目

2. 无监督学习

直接对没有“标签”的数据进行分析,发现其内在结构、模式或关联。

3

知识自测

场景一:预测全新房产的价格,已有数据包含房产信息及其售价。这是什么类型的学习?

点击查看答案
答案:有监督学习。 因为我们有“实际售价”这个明确的标签(答案)来指导模型学习。

场景二:将行为相似的用户自动划分成不同群体,以便精准营销,但事先没有任何用户分类。这是什么类型的学习?

点击查看答案
答案:无监督学习。 因为数据没有预设的标签,目标是从数据本身发现“相似用户群”这种隐藏的结构。
沪ICP备2025143101号-1