关于 — ML Learning Lab

为什么做这个项目？

传统的机器学习教材依赖大量数学公式，让许多自学者望而却步。这个项目的核心理念是：可视化优先，直觉优先。通过浏览器内可交互的可视化，你不需要推导公式就能理解算法在做什么。拖动滑块、点击按钮、观察动画 — 每一步都看得见。

目标读者是拥有高中数学水平的学习者。不需要微积分或线性代数背景 — 公式可以后补，直觉必须先行。

共 28 章，分为三条轨道，从基础到进阶循序渐进：

14 章

线性回归 → MLP → 模型评估 → K-Means → 决策树 → PCA → CNN → SVM → 随机森林

7 章

梯度消失 → 优化器 → Dropout/BatchNorm → MNIST 实战 → 自编码器 → 注意力 → Transformer

7 章

多臂老虎机 → MDP → 蒙特卡洛 → TD 学习 → DQN → 策略梯度

纯静态站点，零构建工具，零运行时依赖：

HTML5 CSS3 (Custom Properties) Vanilla JavaScript (ES5) Chart.js (CDN) Canvas API Cloudflare Pages 零构建工具

所有机器学习算法（线性回归、MLP、K-Means、决策树、CNN、DQN 等）均从零手写为纯 JavaScript，不依赖任何 ML 库。每章自包含为单个 HTML 文件，共享全局 CSS 和工具 JS。

MIT 许可 — 自由使用、修改、分发。源码托管在 GitHub，欢迎提交 Issue 和 PR。