知识地图

列 = 模块(按学习顺序),箭头 = 前置依赖(从 prerequisite 指向当前知识点)。横向滚动查看全图,点击节点进入知识点。

基础与框架线性模型与正则化树模型与集成学习SVM与核方法无监督学习模型评估与选择特征工程与实践

01 · 基础与框架02 · 线性模型与正则化03 · 树模型与集成学习04 · SVM与核方法05 · 无监督学习06 · 模型评估与选择07 · 特征工程与实践kp-001什么是机器学习:定义、三…kp-002学习问题的形式化:假设空…kp-003损失函数:从 0-1 损…kp-004梯度下降与凸优化基础kp-005偏差-方差分解与过拟合kp-006线性回归与最小二乘法kp-007逻辑回归与交叉熵损失kp-008正则化:岭回归、Lass…kp-009多分类线性模型与 sof…kp-010决策树:信息增益、增益率…kp-011随机森林与 Baggingkp-012Boosting 与 A…kp-013梯度提升树 GBDT 与…kp-014树模型可解释性:特征重要…kp-015最大间隔与线性 SVMkp-016软间隔 SVM 与铰链损失kp-017核技巧与常用核函数kp-018K-means 聚类与 …kp-019DBSCAN 与层次聚类kp-020高斯混合模型与 EM 算法kp-021主成分分析 PCAkp-022交叉验证与数据划分策略kp-023分类评估指标:混淆矩阵、…kp-024超参数调优:网格、随机与…kp-025数据泄漏与常见评估陷阱kp-026不平衡数据与代价敏感学习kp-027特征工程:编码、缩放与缺…kp-028特征选择:过滤、包裹与嵌…kp-029端到端机器学习工作流与 …kp-030机器学习简史:从感知机到…kp-031深度学习导览:边界与去向kp-032公平性、可复现性与机器学…