4.3.1 传统机器学习算法

文档摘要

4.3.1 传统机器学习算法在解码模型的工程实践中，我们常陷入一种隐秘的认知陷阱：以为“模型越新、参数越多、算力越强”，解码效果就必然越优。可现实却反复提醒我们——当信号信噪比低、样本维度高而标注稀疏、类别边界模糊且存在强非线性耦合时，一个精心调优的线性判别分析（LDA）模型，可能比未经剪枝的10层XGBoost更稳定；一个核函数恰切、正则化强度经交叉验证锤炼的支持向量机（SVM），在fMRI体素级解码任务中，其跨被试泛化能力常常碾压多数深度学习基线。这不是对前沿技术的否定，而是对解码本质的回归：解码不是拟合，而是在约束中寻找最鲁棒的决策几何。 4.3.1 节所探讨的传统机器学习算法，并非教科书里尘封的遗迹，而是解码系统中沉默却不可替代的“底层结构件”。