学习路径

四个阶段从问题意识到工程化交付；标有「最小路径」的 13 节构成最小可用闭环——走完即可独立完成一个规范的经典 ML 项目。

已掌握 0%

未学在学已掌握（在知识点页点按切换）

阶段一 · 入门

建立问题意识与历史全景 · 约 50 分钟

阶段二 · 核心

两大模型族 + 评估闭环 · 约 315 分钟

损失函数：从 0-1 损失到代理损失核心最小路径25 分钟
梯度下降与凸优化基础核心25 分钟
偏差-方差分解与过拟合核心最小路径20 分钟
线性回归与最小二乘法核心最小路径25 分钟
逻辑回归与交叉熵损失核心最小路径25 分钟
正则化：岭回归、Lasso 与弹性网核心最小路径25 分钟
多分类线性模型与 softmax 回归核心20 分钟
决策树：信息增益、增益率与基尼指数核心最小路径30 分钟
随机森林与 Bagging核心最小路径20 分钟
Boosting 与 AdaBoost核心25 分钟
梯度提升树 GBDT 与 XGBoost核心30 分钟
交叉验证与数据划分策略核心最小路径20 分钟
分类评估指标：混淆矩阵、Precision/Recall 与 ROC-AUC核心最小路径25 分钟

阶段三 · 进阶

模型族扩展与工程化 · 约 310 分钟

阶段四 · 前沿与实践

可解释性、伦理与深度学习去向 · 约 55 分钟