AI Engineering · 第 3 章 机器学习基础

AI Engineering · 第 3 章 机器学习基础

章节摘要:本章对应原课程「02-ml-fundamentals」,属「第零篇·打地基」。从数据中学习——回归、分类、评估、调优。本章共 18 节,前置依赖为「第2章」。在跳进神经网络之前,先把「从数据学规律」这件事吃透。 本章将带你逐节吃透这一领域的核心概念,并尽量从零手工实现,再用主流框架对比验证。

学习目标

阅读完本章,你应当能够:

1. 理解机器学习基础在整个 AI 工程体系中的定位(从数据中学习——回归、分类、评估、调优)。
2. 掌握本章 18 节覆盖的核心概念与算法。
3. 能够从零实现本章的关键模型/机制,并用框架对比验证。
4. 说清本章与前后章节的依赖关系(前置:第2章)。
5. 识别本章主题在生产实践中的常见应用与陷阱。

注:具体学习目标将在各子节汉化时细化为可考核的能力点。

核心概念速览

在跳进神经网络之前,先把「从数据学规律」这件事吃透。

注:本章的 Mermaid 概念图将在支柱页完善时替换为本章核心架构/流程图(基于原 Phase README 与首节内容绘制)。

子章节导航

01 What Is Machine Learning

02 Linear Regression

03 Logistic Regression

04 Decision Trees and Random Forests

05 Support Vector Machines

06 K-Nearest Neighbors and Distances

07 Unsupervised Learning

08 Feature Engineering & Selection

...(本章共 18 节,详见原项目 phases/02-ml-fundamentals/)

子章节之间的逻辑关系

本章共 18 节,按原课程的编号顺序递进。详细的逻辑关系图将在支柱页完善时补充(基于各节的依赖与铺垫关系)。

本章第 01 节 ... ──► 第 18 节
   │
   ▼
下一章(第 4 章)
​

前置知识与后续延伸

前置知识:

• 第2章

本章为后续章节奠定的基础:

• 见原课程 README 的 Phase 依赖图(原项目根 README.md)。

本章支柱页为骨架初稿,各板块将在对应章节汉化推进时细化。原英文内容位于 phases/02-ml-fundamentals/,每节正文为 docs/en.md,汉化状态见「教程规划.md」的待汉化清单。