模型-算法-类型

• ● 关键词标签（标注信息可能受到人为影响产生偏差）
• - 考点定义：监督学习依赖已标注样本训练；标签由人工产生，标注过程可能引入主观偏差，需在命题中作为监督学习的固有风险点。
• ● 好处/优点逻辑回归支持情感分析
• - 考点定义：逻辑回归作为线性分类器，可用于情感极性等二分类任务，属监督学习典型应用。
• ● 好处/优点线性回归易于解释、透明度高
• - 考点定义：线性回归模型结构简单、系数可解读，在需要透明度和可审计性的场景（如信用评估）具有优势。

• ● 关键词决策树：构建树形结构完成分类或回归，是常用监督学习方法
• - 考点定义：决策树通过树状结构进行划分，是基学习器；可进一步解释特征贡献。
• ● 好处/优点随机森林：基于决策树的集成学习算法
• - 考点定义：随机森林通过集成多棵决策树提升泛化，属集成/ Bagging 思路。
• ● 好处/优点XGBoost（极端梯度提升）：基于梯度提升决策树（GBDT），组合多个弱学习器（决策树）构建强学习器
• - 考点定义：XGBoost 属 Boosting 类集成算法，通过迭代加权弱学习器降低偏差。

• ● 风险K均值聚类：受到异常值影响大，依赖相似性
• - 考点定义：K均值对离群点敏感且聚类结果依赖距离度量和量纲，需数据清洗与归一化前置。
• ● 关键词隔离森林：针对识别异常数据的技术
• - 考点定义：隔离森林是无监督异常检测方法，通过随机分割隔离异常点。
• ● 关键词主成分分析（降维）
• - 考点定义：PCA 通过线性变换压缩维度，用于降维与去冗余，提升后续模型稳定性。
• ● 关键词Z分数分布（分布统计）
• - 考点定义：Z分数用于基于分布的统计异常度量，属非监督式离群识别手段。

• ● 关键词反向传播、Q值函数（累计效益）、奖励机制
• - 考点定义：强化学习通过奖励信号驱动；反向传播支持从输出反馈持续学习；Q值/值函数用于评估累积回报。
• ● 不完整描述机器学习是神经网络的一种（隐藏层大于等于2），模仿人类思考过程，处理复杂问题
• - 考点定义（纠正并补全）：应为"深度学习/神经网络（含不少于两个隐藏层的网络）是机器学习的一个子集"；其通过隐藏层堆叠模拟人类认知、处理复杂问题。命题须按正确层级关系出题，避免颠倒包含关系。

• ● 关键词单馈（垃圾邮件识别）、循环（有时序、语言翻译）、卷积（图像识别）
• - 考点定义：前馈网络适合静态分类；循环网络（RNN）适合时序/序列（如翻译）；卷积网络（CNN）适合图像。
• ● 好处/优点卷积神经网络利用迁移学习：复用预训练模型的卷积层特征提取能力，仅替换并训练自定义分类层，在有限数据集上获得良好效果
• - 考点定义：数据有限时采用迁移学习复用预训练特征层，是 CNN 的实务最佳实践。

本批次系统考察"在给定业务场景下应选何种学习范式或算法"，以及"各算法的固有特征、优势与风险"。重点覆盖监督/无监督/强化/神经网络四大范式的识别，以及具体算法（K均值、隔离森林、线性回归、逻辑回归、树模型、CNN/RNN）的适用条件与局限。审计员视角贯穿始终：关注可解释性、透明度、异常值敏感、偏见消除等治理属性。

• 监督学习必须使用已标注/带标签的训练样本。
• 无监督学习（聚类、异常检测、降维）用于处理无标签数据、发现潜在模式。
• K均值属于无监督，可消除人工标注的主观性与偏见，但对异常值敏感、依赖相似性度量。
• 隔离森林是专门的无监督异常检测技术。
• 降维技术可降低高维非结构化文本导致无监督模型失效的风险。
• 强化学习通过与环境交互和奖励反馈持续优化动作（如机械臂）；反向传播支撑从输出持续学习；值函数/Q值解决累积效益问题。
• 神经网络/深度学习通过隐藏层模拟人类决策、处理复杂海量问题。
• 隐藏层承担特征提取职能。
• 循环网络因顺序/时序处理擅长语言翻译任务。
• 卷积网络擅长图像；数据有限时迁移学习为最佳实务。
• 线性回归因易解释、透明，最适于需高透明度的信用评分等场景。
• 逻辑回归可支撑情感分析类的分类训练。
• 树模型（决策树/随机森林/XGBoost）可输出特征重要性以识别关键驱动属性。
• 机器学习的总体目标是执行需人类智能的任务（上位概念）。

• 把"无监督"说成"需要监督/标注"，或反之。
• 声称 K均值对异常值不敏感、对数据清洗需求少。
• 将强化学习的"累积效益"误归于奖励函数、代理功能或政策职能，而非值函数。
• 把机器学习与神经网络作反向包含（误认为神经网络是机器学习的子集之外，或颠倒层级）。
• 在需高透明度场景推荐黑箱模型（如树模型、K均值）而非线性回归。
• 把聚类结果异常判定为"算法失败"而非"潜在有效细分"。
• 在数据有限时推荐重复数据集、简单划分而非迁移学习。

• 审计文档/模型审查（审计员审阅算法文档、特征重要性、聚类工具）
• 制造业机械臂/机器人持续学习
• 法务/合同库相似性分析与客户评论挖掘
• 信用评分与透明度要求场景
• 客服反馈生成标准化报告（边缘出现在自然语言考点）
• 网络安全/异常识别