Skip to content
知识库

知识地图

机器学习与深度学习知识地图

本页是 [[AI/原理/概览]] 的补充，提供更结构化的”待学清单”视角——概览是定义导向，本页是路径导向。

知识地图

监督学习

  • 分类（KNN / 朴素贝叶斯 / 决策树 / SVM）
  • 回归（线性回归 / 多项式回归 / 正则化）
  • 集成学习（Random Forest / XGBoost / LightGBM）

无监督学习

  • 聚类（K-Means / DBSCAN / 层次聚类）
  • 降维（PCA / t-SNE / UMAP）
  • 关联规则（Apriori / FP-Growth）

强化学习

  • 马尔可夫决策过程
  • Q-Learning / DQN / Policy Gradient
  • Actor-Critic / PPO

深度学习基础

  • 神经网络（感知机 / MLP / 反向传播）
  • CNN（卷积神经网络）
  • RNN / LSTM / GRU
  • [[AI/原理/Transformer|Transformer]]（自注意力机制）

训练范式

  • 监督 / 无监督 / 自监督
  • 预训练 + 微调（Pre-train + Fine-tune）
  • 指令微调（SFT）/ [[AI/原理/训练|RLHF]] / DPO

待补内容

  • 各算法的数学推导与直观解释
  • 经典论文清单（AlexNet / ResNet / BERT / GPT）
  • 评测基准（MNIST / ImageNet / GLUE / SuperGLUE）
  • 与 LLM 时代的衔接（什么被 Transformer 取代、什么仍是基础）

参考资料