教程编写：Idiomeo（愚人猫）
本教程以通俗易懂的方式讲解机器学习的核心数学原理与基本算法，涵盖回归、分类、模型评估等基础内容，配有 Python 代码实现。适合初学者入门机器学习。
📌 请确保学习前你已具备一定的数学基础知识 → 附录 · 数学基础
| 章节 | 内容 | 知识点 |
|---|---|---|
| 第1章 · 开始机器学习之旅 | 机器学习概述 | 回归、分类、聚类、监督学习、无监督学习 |
| 第2章 · 学习回归 | 线性回归 → 多项式回归 → 多重回归 → 随机梯度下降 | 最小二乘法、目标函数、最速下降法、梯度、参数更新 |
| 第3章 · 学习分类 | 感知机 → 逻辑回归 → 线性不可分 | 内积、法向量、决策边界、sigmoid、似然函数、对数似然 |
| 第4章 · 模型评估 | 交叉验证 → 精确率/召回率/F值 → 正则化 → 学习曲线 | MSE、Accuracy、过拟合与欠拟合、正则化原理 |
| 第5章 · Python 实现 | Python 代码实战 | NumPy、标准化、梯度下降实现、随机梯度下降实现 |
| 附录 · 数学基础 | 必备数学知识 | 求和/求积、微分/偏微分、复合函数、向量/矩阵、指数/对数 |