机器学习 · 西瓜书 · 第 3 章
线性模型
拆成七讲，每讲 15–25 分钟，一讲只讲透一件事。按顺序走完，你应该能合上书把这章讲出来。
整章原来是一份长文档，读完要 90 分钟——那太长了，中间一断就很难接上。现在按「一次只解决一个问题」拆成七讲，每讲都有一个明确的小目标，读完随手做一道自测就可以合上。
课程目录按顺序读，也可以跳着读
01
线性模型是什么
模型长什么样、w 和 b 各管什么、西瓜的属性怎么变成数字。这一讲不推公式。
15 分钟
§3.1
§3.1
02
一条直线的闭式解
误差怎么量、为什么求导置零就够，以及那个长公式其实是「协方差 ÷ 方差」。
20 分钟
§3.2
§3.2
03
多元线性回归与广义线性模型
把 b 藏进 w，用一次矩阵乘法算完所有预测；再给模型装一个「输出翻译器」。
20 分钟
§3.2
§3.2
04
对数几率回归
名字叫回归，干的是分类。核心只有一件事：找一个光滑的「翻译器」，把实数变成概率。
25 分钟
§3.3
§3.3
05
线性判别分析
换一条路：不算概率，去找一个投影方向，让同类挤、异类远。
25 分钟
§3.4
§3.4
06
多分类学习
只会二分类的算法怎么对付十个类别：OvO、OvR，以及会「纠错」的 ECOC。
18 分钟
§3.5
§3.5
07
类别不平衡，以及往哪走
998 个反例配 2 个正例：精度 99.8% 的模型为什么一文不值。外加全章自查。
20 分钟
§3.6–3.7
§3.6–3.7
怎么用这套课三条建议
学习方式
- 一次只读一讲。读完先别翻下一讲，做掉那 1 道自测——答不上来就说明还没真的懂，回去看对应段落比硬撑有用。
- 看到「动手试试」就真的去拖一把。3 个演示都是让你自己去发现规律的；先自己找，再看公式给的答案对不对，印象会深很多。
- 卡住就直接问我。把没看懂的那一句原样抄给我，比你自己反复读十遍快得多。我是你的老师，不需要客气。
这七讲的结构
第 1–3 讲是回归（3.1、3.2）：模型形式 → 怎么量误差 → 怎么解多元。第 4–5 讲是二分类，而且给了两条完全不同的路——3.3 算概率，3.4 找投影方向。第 6 讲把二分类拼成多分类，第 7 讲修补第 6 讲留下的不平衡漏洞。
所以顺序是设计过的：第 4、5 讲读之前，最好先有第 2、3 讲的底子；第 6 讲则同时用到 3.3 和 3.4 的结论。
关于全章合订本
如果你想一次通读、或者要按关键词搜索整章，可以用 全章合订本——内容和七讲完全一样，只是没有拆分。不过按经验，一次读完 90 分钟的密度，记忆留存会差很多，建议还是按讲走。
学习进度做完自测会自动打勾
我的学习进度
正在读取…
换设备怎么接着学
点右下角的「学习代号」，设一个 4–32 位的代号（比如 ML2026）。之后你在任何设备上输入同一个代号，做过的自测进度就会自动同步过来——手机、平板、电脑都能接着学。
不设也能正常学，进度会存在当前浏览器里。