把「做项目」从「复现一个算法」重新定义为「打通一条可运行的工程流程」，并给出卡壳时的三级求助 SOP 与「该学什么、不必纠结什么」的取舍标准。 一、这份材料解决什么问题 新闻分类项目是一条四模型逐级对比的路线：TF-IDF + 随机森林 → FastText → BERT 微调 → LLM（DeepSeek API），再做模型压缩与 Flask +…

用「房价 / 红豆绿豆」这类最小例子，把 KNN → 线性回归 → 逻辑回归 → 决策树 → 随机森林 五个模型串成一条「从单点到集成」的主线，是 3.1 随机森林模型的前置基础课。 一、这份材料解决什么问题 这份材料是「3.1 随机森林模型」这一节的前置总复习。它不追求完整覆盖机器学习，而是回答一个很具体的问题：一个只会写代码、没系统学过 ML …

把「字符串 → 数字向量」这一步讲透，用 TF-IDF 给「词在当前文档的重要性」打一个可计算的分数，从而让随机森林这类只能做加减乘除和矩阵运算的算法能吃下文本；同时暴露这套稀疏、符号化表示的边界（语义丢失、维度灾难、OOV），为后面 FastText / BERT 的对比埋下伏笔。 一、这份材料解决什么问题 新闻分类项目的技术路线是四模型逐级对比…

深度学习简介 1.1 什么是深度学习 定义：深度学习（Deep Learning）是机器学习的分支，是一种以人工神经网络为架构、对数据进行特征学习的算法。其中的"深度"指网络中使用多层结构。 核心思想：通过模仿人脑的神经网络来处理和分析复杂的数据，从大量数据中自动提取复杂特征，擅长处理高维数据（图像、语音、文本）。 与机器学习/人工智能的关系：机器…