机器学习基础概念
机器学习（Machine Learning）是 AI 的核心方法：不给程序写死规则，而是喂大量数据让程序自己"学"规律，然后用规律预测新数据。
三大类型
- 监督学习：有标签数据（告诉答案），学映射。分类、回归
- 无监督学习：无标签数据，自己找结构。聚类、降维
- 强化学习：通过奖励惩罚试错，学策略。游戏、机器人
流程
收集数据 → 清洗 → 特征工程 → 选模型 → 训练 → 评估 → 部署。80% 的精力花在数据处理上。
代码示例
# 机器学习最小示例（逻辑回归判断垃圾邮件）
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
# 假设特征 X：邮件长度、是否含"优惠"等
X = [[100, 0], [500, 1], [80, 0], [600, 1]] # [长度, 含敏感词]
y = [0, 1, 0, 1] # 0 正常 1 垃圾
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25)
model = LogisticRegression()
model.fit(X_train, y_train) # 训练
print("准确率:", model.score(X_test, y_test))📚 Python 语法速查
常用条目速查，完整版见对应教程章节。可复制代码到在线运行中测试。
| 写法 / 语法 | 作用 |
|---|---|
print("hello") | 输出到控制台 |
name = "张三" | 变量赋值（无需声明类型） |
if x > 0: ... | 条件判断（注意冒号和缩进） |
for i in range(10): ... | 循环（缩进是语法的一部分） |
while x < 10: ... | 条件循环 |
def fn(a, b): return a + b | 定义函数 |
class Person: ... | 定义类 |
list = [1, 2, 3] | 列表（可改） |
tuple = (1, 2) | 元组（不可改） |
dict = {"key": "value"} | 字典（键值对） |
set = {1, 2, 3} | 集合（去重） |
len(obj) | 取长度 |
str(x) / int(x) / float(x) | 类型转换 |
s.split(",") | 字符串按分隔符拆分 |
" ".join(list) | 列表拼接成字符串 |
import os | 导入模块 |
from math import sqrt | 从模块导入指定函数 |
try: ... except Exception as e: ... | 异常捕获 |
with open("a.txt", "r") as f: ... | 文件读取（自动关闭） |
f"你好 {name}" | f-string 格式化 |
lambda x: x * 2 | 匿名函数 |
list(map(fn, arr)) | 函数式处理列表 |
range(start, stop, step) | 生成数字序列 |
if __name__ == "__main__": | 主入口判断 |
pip install 包名 | 安装第三方包（命令行） |