A00 / undergraduate
机器学习问题、数据与评估
机器学习问题、数据与评估围绕第一编 学习问题与数据、第二编 风险与评估、第三编 可靠评估与综合复习建立连续章节顺序。
- 结构
- 3 Parts · 6 章
- 适合读者
- 适合已具备基础代数与函数知识、希望完成本科层次系统学习的读者。
- 正文状态
- 2 章已有正文，4 章已规划
BEFORE READING
先修与记号
本册对象
定义学习任务、数据切分、损失、指标、基线和可靠评估流程。
符号约定
- 本册在首次使用时定义机器学习问题、数据与评估专用符号，并区分标量、向量、算子与单位。
- 同一符号出现多种约定时明确命名空间、假设和适用章节。
COMPLETE CONTENTS
完整目录
第一编 学习问题与数据
第一编 学习问题与数据组织监督学习任务、样本与标签、训练、验证、测试与数据泄漏，形成连续的学习单元。
第二编 风险与评估
第二编 风险与评估组织损失函数、风险与评估、分类、回归指标与基线，形成连续的学习单元。
第三编 可靠评估与综合复习
第三编 可靠评估与综合复习组织分布偏移、置信区间与不确定性、机器学习问题与评估综合复习，形成连续的学习单元。
综合练习计划
- 每章安排定义辨析、推导计算和结果核验练习。
- 本册末章安排跨 Part 综合题，并保留可复算的解题检查点。
参考资料计划
- TODO：为《机器学习问题、数据与评估》逐项核验权威教材、课程页面或原始论文后登记资源 ID。
修订状态
课程 Schema v1。目录与章节位置已登记；参考资料需逐项核验后进入正式正文。