AI 学习之路

文章围绕逻辑回归展开，先介绍其与线性问题的区别，以二分问题示例说明。接着通过 Python 展示解决逻辑回归问题的过程，结合泰坦尼克幸存者案例阐述数据处理、模型训练评估及优化，还提及多分类及多标签拓展

本文从单变量线性回归讲起，借房价预测示例解析最小二乘法，拓展至 sklearn 多变量实现。结合波士顿房价数据集，介绍模型评估指标与优化法，通过 Kaggle 竞赛串联实战。助初学者入门线性回归！

本文聚焦机器学习、神经网络与深度学习，明确深度学习是机器学习的一部分。详细介绍机器学习的 6 个阶段，包括数据准备、训练、评估等，以 DeepSeek 为例展开说明，还列举各阶段关键技术工具。最后强调

回顾大学时对机器学习的轻视，详述从 MP 理论到 Transformer 架构的 AI 发展历程，借门卫放行场景阐释ai里程架构演变。分享学习感受，制定 90 天学习计划，决心深入 AI 领域