机器学习算法地图：从 0 到能选型、能解释、能上线

常见问题

这门机器学习课讲什么？

共 6 节：按业务目标选分类、回归、聚类还是异常检测；逻辑回归、SVM 与正则化；决策树、随机森林和 XGBoost/LightGBM；聚类、降维与向量化；评估指标怎么选；从实验到上线要防的数据泄漏、分布漂移，以及监控和回滚。

学完能做到什么？

面对一个业务问题，能走完“问题建模 → 算法选择 → 评估指标 → 上线策略”：说得清为什么选这个算法、用哪个指标衡量、上线后怎么监控和回滚，而不是只会背一堆算法名字。

现在还要学逻辑回归、树模型这些传统方法吗？

要。逻辑回归、SVM 可解释、训练快、稳定，树模型对表格数据强、对缺失值友好、天然适配非线性关系，在工业界仍然常用。课程讲它们为什么好用，以及在业务里怎么快速出效果。

怎么学这门课？

这是会员课程，课时只对会员开放。会员计划还在准备，开放前会在网站公告。