JoernLee

本系列为有编程基础的开发者提供独特的AI学习路径：借助大模型本身来理解人工智能。 四篇文章构建完整认知体系：AI全景概览、机器学习核心概念、深度学习技术原理、大模型应用范式

本系列为有编程基础的开发者提供独特的AI学习路径：借助大模型本身来理解人工智能。 四篇文章构建完整认知体系：AI全景概览、机器学习核心概念、深度学习技术原理、大模型应用范式

1. SVM是什么？ 定义：支持向量机是一种用于分类和回归的监督学习算法，核心目标是找到一个能够最大化分类间隔（Margin）的决策边界（超平面）。 名字的由来：模型的分类边界完全由少数关键样本（即“

K近邻是一种基于实例的懒惰学习（Lazy Learning）算法，用于分类和回归任务。 核心思想： “物以类聚” ——通过计算样本间的距离，找到目标点的最近K个邻居

逻辑回归是“用S形曲线做分类”的经典算法，凭借概率输出和可解释性，在金融、医疗、广告等领域广泛应用。

线性回归是“用直线拟合数据”的经典方法，虽简单但广泛应用于工业界，尤其在需要快速验证和解释性的场景中。

有监督学习（supervised learning） 让模型学习的数据包含正确答案（标签）的方法，最终模型可以对无标签的数据进行正确处理和预测，可以分为分类与回归两大类 分类问题主要是为了“尽可能分开

本文揭示机器学习通过数据训练模型的核心逻辑，对比传统编程规则驱动模式。解析分类（疾病诊断）与回归（房价预测）两大任务的技术本质，类比前端开发中的类型定义与图表拟合。深入探讨深度学习自动提取特征的能力

今天Qwen3 正式发布并将 8 款「混合推理模型」开源，作为工程同学，在阅读学习文章的时候其实有很多的专业术语没搞明白，这里借助大模型和网上资料自己整理了一部分分享给大家，希望能帮到同样有需求的同学