咚咚王

人工智能之核心基础 机器学习 第七章 监督学习总结 一、监督学习核心任务回顾 监督学习解决两类问题： 任务类型 目标 输出形式 典型场景 分类 预测离散类别标签 “是/否”、“猫/狗/鸟” 垃圾邮件识

人工智能之核心基础 机器学习 第六章 朴素贝叶斯 6.1 贝叶斯定理基础 📌 核心公式：用已知反推未知 公式如下： $$ P(Y|X) = \frac{P(X|Y) \cdot P(Y)}{P(X)}

人工智能之核心基础 机器学习 第五章 支持向量机（SVM） 5.1 SVM核心思想 🎯 核心目标：找一条“最宽”的分界线！ 想象你有一堆红球和蓝球散落在桌上，你要用一张纸把它们完全分开。 SVM 的目

人工智能之核心基础 机器学习 第四章 决策树与集成学习基础 4.1 决策树原理 🌳 什么是决策树？ 决策树就像“20个问题”游戏——通过一系列是/否问题，一步步缩小范围，最终做出判断。 🔑 核心组成部

人工智能之核心基础 机器学习 第三章 线性回归与逻辑回归 3.1 线性回归（Linear Regression） 📌 模型原理：用一条“直线”预测数值 目标：根据输入特征（如房屋面积、房间数）预测一个

人工智能之核心基础 机器学习 第二章 监督学习 2.1 监督学习的定义与特点 📌 什么是监督学习？ 监督学习就像“有老师教学生”的过程。 你给计算机一堆已经知道答案的例子（比如：“这张图是猫”、“那封

人工智能之核心基础 机器学习 第一章 基础概述 前言 1.1 什么是机器学习？（定义、核心思想、与传统编程的区别） 定义 机器学习（Machine Learning, ML）是一种通过算法和模型使计算

人工智能之数学基础 信息论 第四章 应用延伸 前言 信息论不仅是通信工程的基石，更在人工智能、深度学习、大数据处理中扮演关键角色。从神经网络中的嵌入表示到大模型的 Token 压缩，从变分自编码器（V

人工智能之数学基础 信息论 第三章 实用工具 前言 在机器学习和数据科学中，如何从成百上千个特征中选出最有用的子集？ 信息论提供了强大而优雅的工具：互信息（Mutual Information） 和