Skip to content
简体中文

切换主题

发现▾

不知道从哪开始？本周最热的软件、模型和组合，3 分钟看完 AI 圈的变化。

AI 软件▾

给人用的 AI 软件：从 ChatGPT 这类助手，到写代码、做视频、搭工作流的工具，按用途挑。

Agent 工具▾

给 AI 用的软件：让你的 agent（Claude Code、Codex、Cursor…）能上网、读文档、跑代码、记住事情。

模型▾

选模型、算成本、自己部署：价格、榜单、评测、免费额度和自建算力都在这里。

解决方案▾

有具体目标或报错？按场景给出现成的软件组合、步骤和问题解法。

学 AI▾

一套从零到前沿的系统课程，配算法库、必读论文和精选教程。

前沿▾

每天的 AI 新闻、每周热点、最新论文和 AI 改造各学科的进度。

// 阶段 2 · 经典机器学习

线性模型、SVM 与近邻

从感知机到最大间隔与核技巧，以及 k 近邻。

看学习目标 ↓ 代码与练习 ↓

约 6 小时5 个算法2 篇论文正文编写中

01学习目标

建议先学：机器学习流程：数据、损失与泛化 · 线性代数：向量、矩阵与分解

02要掌握的算法

每张卡都有原始论文、前置和学习资料。

感知机Perceptron 最早的“人工神经元”：加权求和后过阈值。 1958核心 支持向量机Support Vector Machine 找一条离两类样本都尽量远的分界线。 1995核心 K 近邻k-Nearest Neighbors 看离你最近的 k 个样本是什么，你就是什么。 1967核心 正则化回归（Lasso / Ridge）Regularized Regression (Lasso / Ridge) 给线性模型的权重加惩罚，防止过拟合并自动筛选特征。 1996核心 朴素贝叶斯Naive Bayes 假设特征相互独立，用贝叶斯公式算出最可能的类别。 1997核心

03必读论文

04课程与视频

05动手：项目、代码与练习

全部是官方或作者公开的免费页面，多数能在浏览器或免费 Colab 里直接运行。

动手项目

用 SVM（线性核与 RBF 核）和 kNN 分类手写数字，比较精度与预测速度。

  1. 1
    scikit-learn 官方示例库（可在线运行） ↗可运行 Notebook

    运行 SVM 核函数、kNN 和 Lasso 路径的官方示例并改参数。

  2. 2
    An Introduction to Statistical Learning（ISLP，免费） ↗书

    做 ISLP 书中对应章节的 Python 实验（Lab）。

06自测题

先自己想，再点开看答案。

SVM 的决策边界由哪些样本决定？

支持向量。

kNN 的训练成本和预测成本分别如何？

训练几乎为零，预测需与大量样本算距离。

RBF 核的 gamma 过大会怎样？

边界过于弯曲，容易过拟合。

数据更新于：AI 算法图谱与课程体系（北京时间）