图解机器学习算法 — 书籍拆解
读到哪:未读。
readState不是 read/partial 的书不能当锚。
| 项 | |
|---|---|
| 作者 | 待填 |
| 版次 | 2021 版 |
| 格式 | pdf ｜ 文本源 pdftotext -layout |
| 许可 | 自购/个人收藏 |
| 来源 | 主人个人藏书,2026-08 放入收件箱 |
| 清洗 | 删页眉页脚 318 行、页码 31 行、断词接回 0 处 |
我们重写的拆解(0 章)
（还没写。拆解是这本书对我们的真正产出——底下的元数据只是索引。）
为什么收它
图解讲法可以借来写讲义。
合法性
自购/个人收藏。来源:主人个人藏书,2026-08 放入收件箱。原始文件不入库,转码文本入库(私有库)。
出版方怎么说
（起草参考,不是我们的判断。真正的「覆盖什么/不覆盖什么」写进 frontmatter 的 claims / notCovered)
它覆盖什么、不覆盖什么
（还没读到能下判断的程度。claims / notCovered 空着就是空着,不猜。)
怎么引用它
(依据: book=tu-jie-ji-qi-xue-xi-suan-fa §1.1 机器学习概要)
章节名对不上会被 lab:validate 拦下;页码锚(§p.123)同样可用。
结构(28 段,共 219k 字符)
| 段 | 章节 | 页 | 规模 |
|---|---|---|---|
| 01 | 版权页 | p.5–5 | 1.5k |
| 02 | 前言 | p.6–8 | 2.6k |
| 03 | 目录 | p.9–14 | 7.0k |
| 04 | 1.1 机器学习概要 | p.15–21 | 8.6k |
| 05 | 1.2 机器学习的步骤 | p.22–50 | 40.1k |
| 06 | 2.1 算法1：线性回归 | p.51–57 | 7.7k |
| 07 | 2.2 算法2：正则化 | p.58–64 | 10.6k |
| 08 | 2.3 算法3：逻辑回归 | p.65–70 | 4.5k |
| 09 | 2.4 算法4：支持向量机 | p.71–75 | 3.4k |
| 10 | 2.5 算法5：支持向量机（核方法） | p.76–80 | 3.8k |
| 11 | 2.6 算法6：朴素贝叶斯 | p.81–88 | 9.6k |
| 12 | 2.7 算法7：随机森林 | p.89–93 | 7.3k |
| 13 | 2.8 算法8：神经网络 | p.94–100 | 6.0k |
| 14 | 2.9 算法9：KNN | p.101–106 | 3.8k |
| 15 | 3.1 算法10：PCA | p.107–111 | 4.6k |
| 16 | 3.2 算法11：LSA | p.112–117 | 8.2k |
| 17 | 3.3 算法12：NMF | p.118–123 | 5.1k |
| 18 | 3.4 算法13：LDA | p.124–129 | 5.7k |
| 19 | 3.5 算法14：k-means算法 | p.130–134 | 3.9k |
| 20 | 3.6 算法15：混合高斯分布 | p.135–139 | 4.7k |
| 21 | 3.7 算法16：LLE | p.140–145 | 5.5k |
| 22 | 3.8 算法17：t-SNE | p.146–152 | 6.3k |
| 23 | 4.1 评估方法 | p.153–175 | 23.7k |
| 24 | 4.2 文本数据的转换处理 | p.176–179 | 5.0k |
| 25 | 4.3 图像数据的转换处理 | p.180–183 | 3.2k |
| 26 | 第5章 环境搭建 | p.184–192 | 7.3k |
| 27 | 附录 | p.193–202 | 16.9k |
| 28 | 参考文献 | p.203–208 | 2.4k |
我们自己的读书笔记(0 篇)
（还没有。读完某章后写进 docs/tu-jie-ji-qi-xue-xi-suan-fa/notes/,那才是这本书对我们的产出。）
本页由 node scripts/book-build.mjs 生成:表格来自转码结果,散文来自书卡正文。不要手改本页。