📚 习题详解
覆盖监督学习、无监督学习与深度学习，提供详尽的课后习题解答。
机器学习方法习题解答李航《机器学习方法》最佳伴侣
全书习题详解 + Python代码复现 + 深度原理解析，助你从零构建机器学习知识体系。
Skip to content
🗺️ 自学路径规划
🟢 第一阶段：监督学习
⏱️ 建议时长：4-6 周
目标：掌握机器学习的核心思想与基础算法，建立数学直觉。
- 核心章节：第1章（概论）、第2-5章（感知机、KNN、贝叶斯、决策树）、第6-7章（LR、SVM）。
- 关键任务：手动推导 SVM 对偶问题，用 Python 实现决策树构建。
🔵 第二阶段：无监督
⏱️ 建议时长：3-5 周
目标：理解数据内在结构，掌握概率图模型与降维方法。
- 核心章节：第14章（聚类）、第15-16章（SVD、PCA）、第19-20章（MCMC、LDA）。
- 关键任务：使用 PCA 进行数据降维可视化，手动实现 EM 算法迭代过程。
🔴 第三阶段：深度学习
⏱️ 建议时长：3-4 周
目标：衔接现代 AI 技术，掌握神经网络与深度学习框架。
- 核心章节：第23章（前馈网络）、第24-25章（CNN、RNN）、第27章（Transformer）。
- 关键任务：基于 PyTorch 构建 CNN 进行图像分类，理解 Attention 机制。
👥 项目受众
🌱 机器学习初学者
正在学习李航老师《统计学习方法》或《机器学习方法》的同学，希望通过习题解答辅助理解。
💻 算法工程师/开发者
希望深入理解机器学习算法原理，并寻找相关算法的 Python 实现代码（如感知机、决策树、SVM、Transformer 等）的开发者。
🚀 备战考研/求职者
需要系统复习机器学习基础理论和推导细节，巩固知识体系的同学。