传统 ML 算法传统 ML 算法知识体系概览本页总览传统 ML 算法知识体系概览 为什么要学传统 ML 算法 尽管深度学习和大模型是当前热点，传统 ML 算法在许多场景中仍然是首选方案：结构化数据分析、小数据集、高可解释性需求、实时推理等。面试中经常考察对经典算法的理解。 知识体系 学习路径 阶段主题文档入门线性模型线性回归与逻辑回归入门决策树决策树进阶SVM支持向量机进阶集成学习集成学习进阶XGBoostXGBoost 与梯度提升高级聚类聚类算法高级降维降维算法 面试重点 必考算法：决策树 → 随机森林 → XGBoost 的演进链路 高频考点：偏差-方差权衡、过拟合处理、特征工程 实战能力：能针对具体场景选择合适的算法