镜湖

用秀丽隐杆线虫网络数据练习图学习，分析度分布、拉普拉斯谱、Fiedler 向量与谱聚类。

学习 K-means 与层次聚类，结合距离计算、簇中心更新和 linkage 比较不同聚类方法。

整理高斯混合模型与 EM 算法，通过乳腺癌数据练习参数估计和聚类分析。

用 NumPy 理解一维卷积，再用 PyTorch 构建、训练和评估卷积神经网络。

从三层感知机扩展到通用 MLP，整理数据预处理、前向计算、反向传播和随机梯度下降训练。

随机梯度下降学习笔记，结合公式和 Python 练习理解参数更新、学习率与迭代过程。

实现线性 SVM 的目标函数与随机梯度下降，使用交叉验证评估模型，并讨论核函数与分类边界。

从 GINI 指数、特征划分和决策树训练开始，实现特征采样、Bootstrap 与随机森林的分类聚合。

生成分类数据，实现逻辑回归的参数化函数与优化过程，通过分类指标和 ROC 曲线评估模型。

以文本分类为例，整理数据预处理、多项式朴素贝叶斯的似然与后验概率计算。