🤖 图解机器学习

照着《图解机器学习》（[日] 杉山将 著，许永伟 译，人民邮电出版社 · 图灵程序设计丛书）做的自学笔记 —— 本仓库里第一本讲算法本身的书。计算机基础讲机器怎么跑程序，AI训练师手册2讲模型怎么装、怎么调、怎么落地；这一本夹在中间：**那些算法为什么长这个样子。**它的答案几乎全部落在两个动作上——「把误差写成平方」和「给参数加约束」——后面二十章都是这两个动作的变体。全书六部分 20 章 63 篇：绪论（第 1~2 章，学什么、用什么学）；有监督回归（第 3~6 章，全书的骨架：最小二乘怎么解、约束怎么加、稀疏怎么来、离群点怎么抗）；有监督分类（第 7~11 章，最小二乘搬到分类，一路走到最大间隔、集成、概率、序列）；无监督学习（第 12~14 章，不讲 y，只讲数据自己的形状——异常、降维、聚类）；新兴算法（第 15~19 章，数据流着来、标签不够、维度要压但要看 y、分布变了、任务多了各怎么办）；总结与展望（第 20 章）。本课是 原理课，Demo 全部手写算法、numpy 真跑：最小二乘用 lstsq 或 solve，岭回归自己加 λI，ℓ1 自己写坐标下降和软阈值，核模型自己算核矩阵，神经网络自己写前向和反向，SVM 自己写 SMO，PCA 自己做 SVD。教材附的 MATLAB 代码一行没抄——书里的公式全部重新用 numpy 实现了一遍，输出数字也是当场跑出来的。凡是能算出数的都真算（残差正交性、帽子矩阵的迹、条件数、非零个数、精确率召回率、交叉验证的标准差），测不出来的就明说原因与规格，不硬编数字。大白话、不跳步骤、必带生活比喻、常见误区、可折叠自测题。

内容来自我的 Obsidian 自学笔记 · 全书 20 章 63 篇已全部写完 · 全书完结 🎉