01 线性回归 介绍机器学习的基本概念，包括线性回归的表示方式、损失函数、梯度下降的原理，以及学习率等超参数的调优策略。 0/8 未开始 ⌄ 1.1 线性回归基础概念详解（特征、权重与偏置） 题解 10 分钟 未开始 1.2 线性回归损失函数详解：MAE、MSE 与 RMSE 的区别及选择策略 题解 10 分钟 未开始 1.3 线性回归参数交互练习：权重与偏置对 MSE 损失的直观影响 题解 05 分钟 未开始 1.4 线性回归梯度下降详解：从原理到迭代公式推导与收敛可视化 10 分钟 未开始 1.5 线性回归超参数详解：学习率、批量大小与训练轮数的设置方法 题解 10 分钟 未开始 1.6 线性回归：梯度下降交互练习 题解 05 分钟 未开始 1.7 线性回归编程练习：构建预测模型 代码 20 分钟 未开始 1.8 线性回归知识检查：自测你对线性回归的理解 题解 10 分钟 未开始
02 逻辑回归 介绍逻辑回归的基本概念与线性回归的本质区别、S 型函数如何把线性结果映射为概率、对数损失、以及正则化的作用。 0/4 未开始 ⌄ 2.1 逻辑回归简介与提出背景 05 分钟 未开始 2.2 逻辑回归：用 S 型函数计算概率 题解 10 分钟 未开始 2.3 逻辑回归：损失函数与正则化 10 分钟 未开始 2.4 逻辑回归：随堂测验 题解 10 分钟 未开始
03 分类 从逻辑回归只能输出概率的局限出发，解释如何选取合适的分类阈值把概率转换为二元类别，并简要引入多类别分类问题。 0/8 未开始 ⌄ 3.1 分类问题简介与背景 03 分钟 未开始 3.2 分类阈值与混淆矩阵 题解 12 分钟 未开始 3.3 准确率、召回率与精确率 题解 15 分钟 未开始 3.4 ROC 与 AUC 原理与使用 题解 10 分钟 未开始 3.5 什么是预测偏差？ 05 分钟 未开始 3.6 多分类思想原理与教程 02 分钟 未开始 3.7 二分类编程练习： 构建土耳其大米分类模型 代码 15 分钟 未开始 3.8 分类：随堂测验 题解 10 分钟 未开始
04 数据处理之数值型数据 介绍机器学习从业者实际工作中花在数据准备上的时间远多于建模这一现实，明确数值型数据与类别型数据的边界。 0/4 未开始 ⌄ 4.1 数值型数据：简介 03 分钟 未开始 4.2 数值型数据：模型如何用特征向量标准化数据 05 分钟 未开始 4.3 数值型数据的入门 05 分钟 未开始 4.4 数值型数据：编程练习 代码 10 分钟 未开始
