🧮 图解机器学习算法

照着《图解机器学习算法》（[日] 秋庭伸也、杉山阿圣、寺田学 著，[日] 加藤公一 审校，郑明智 译，图灵程序设计丛书，人民邮电出版社 2021-06 第 1 版，181 页全彩，ISBN 978-7-115-56356-9）做的自学笔记 —— 封面上那句话就是全书的分量：152 张图表、17 种常用算法、没有复杂公式。它在本站 AI 系列里是 算法目录册：图解机器学习 讲数学、一路推公式，图解深度学习 只钻神经网络这一支，深度学习入门教室 是动手练习本；这一本不站队，把 17 种算法摊在一张桌上——有监督 9 种、无监督 8 种，每种都说清「什么时候该用它、它和旁边那几个差在哪」。全书 5 章 25 节，一条主线四块：先看懂机器学习长什么样（第 1 章，它和传统编程差在哪、有监督／无监督／强化学习怎么分，再用鸢尾花把取数→分训练测试→训练→评估→画图走一遍）；九个有监督算法（第 2 章，线性回归、正则化、逻辑回归、支持向量机、核方法、朴素贝叶斯、随机森林、神经网络、KNN）；八个无监督算法（第 3 章，PCA、LSA、NMF、LDA 四种降维与分解，k-means、混合高斯分布、LLE、t-SNE 四种聚类与流形）；评估与数据转换加环境搭建（第 4~5 章，准确率之外还看什么、过拟合怎么挡、交叉验证与网格搜索怎么用，文本和图片怎么变成向量，最后把 Python、虚拟环境、第三方包装起来）。写法跟着书走：每种算法固定三段——概述（干什么用、长什么样）、算法说明（一步一步怎么算，配图）、详细说明（更细的推导与边界情况）；逐节一篇，因为这三段是一件事的三个深度，拆开就没递进了。Demo 全部 numpy 真算：最小二乘自己解、核矩阵自己算、t-SNE 的梯度一步步降——教材的图一张没抄、代码一行没抄。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 5 章 25 篇已全部写完 · 全书完结 🎉