数据分类入门

一、表格数据 = 一排排数字（AI 最舒服的格式）

你打开 Excel，看到这样一张表：

  姓名    年龄    月收入    有房    信用分    是否批贷
  张三    32     15000    有     720     是
  李四    25     8000     无     650     否
  王五    45     25000    有     780     是
  赵六    30     12000    无     580     否

这就是 AI 最喜欢的数据格式——每行是一个"人"，每列是一个"特征"。最后那列是"答案"（批贷/不批贷）。

跟图像分类对比一下：

二、决策树：最像"人脑"的 AI

在 3 种 AI 类型里，数据分类用的决策树是最接近人类直觉的：

三、决策树 vs 神经网络（两种 AI 大脑）

四、数据分类在生活中的应用

一、认识平台（跟图像分类一样的 3 步）

启动平台，左侧导航栏点"数据分类"。界面跟图像分类几乎一样——因为本质是同一件事：

二、开始训练（真的只要 30 秒）

1. 选数据集：下拉菜单选 credit（信贷数据集）
   credit 数据集是什么？ 150 个人的信贷记录，每人 10 个特征（年龄、收入、负债、有房、信用分……），最后一列是"批贷/不批贷"。是数据分类入门最经典的"教材"。
2. 选模型：选 Decision Tree
3. 点"开始训练"
   数据分类比图像分类快得多——数据量小（150 行 vs 6 万张图片），30 秒就能跑完。

三、看 AI 的"判断过程"（最爽的部分）

训练完，平台会显示决策树的结构。你可以把它想象成银行审批员的"判断流程图"：

开始判断一个新申请者：
├─ 月收入 < 5000？ → 不批贷（第 1 步就淘汰了）
├─ 月收入 ≥ 5000？
│   ├─ 信用分 < 600？ → 不批贷
│   ├─ 信用分 ≥ 600？
│   │   ├─ 有房？ → 批贷
│   │   └─ 没房？
│   │       ├─ 年龄 ≥ 30？ → 批贷
│   │       └─ 年龄 < 30？ → 不批贷

四、测试：给 AI 一个新的人

训练好了，来"考试"。输入一个新申请者的数据：

五、88% 准确率意味着什么？

六、常见问题