关于本站
趣味机器学习 — 用最少的公式、最直观的方式带你玩转 AI
我们的理念
绝大多数机器学习教程充斥着符号推导和数学证明，让大量对 AI 充满好奇的人望而却步。 我们认为，理解一个算法，不需要先背会它的公式——只需要看到它在运行，感受它在做什么。
本站每个算法都可以直接在浏览器里跑起来，实时调整参数、观察变化。 我们先让你产生直觉，再给出精简的数学描述。兴趣是最好的导师。
先看，再理解
每个算法配有实时动画演示，让你在看的过程中自然建立直觉。
公式服务于理解
公式只在必要时出现，且每个符号都有对应的直观解释。
不需要安装任何东西
所有 JS 代码直接在浏览器执行，Python 代码可复制到本地运行。
JS + Python 双版本
每个算法提供 JavaScript（浏览器端）和 Python 两种实现，对照学习。
算法目录
| 算法 | 类型 | 实现方式 |
|---|---|---|
| 梯度下降 | 优化基础 | 手写 |
| 线性回归 | 监督学习 | 框架 |
| 逻辑回归 | 监督学习 | 框架 |
| KNN | 监督学习 | 手写 |
| 决策树 | 监督学习 | 手写 |
| SVM | 监督学习 | 手写 |
| K-Means | 无监督学习 | 手写 |
| PCA | 降维 | 手写 |
| MLP 多层感知机 | 神经网络 | 框架 |
| CNN 卷积神经网络 | 神经网络 | 框架 |
| LSTM | 序列模型 | 框架 |
| Word2Vec | 词向量 | 框架 |
| Attention 机制 | 序列模型 | 框架 |
| Transformer | 序列模型 | 框架 |
| Q-Learning | 强化学习 | 手写 |
| DQN | 强化学习 | 框架 |
| GAN | 生成模型 | 框架 |
| VAE | 生成模型 | 框架 |
| 扩散模型 | 生成模型 | 框架 |
手写 纯 JS / 纯 Python，无框架依赖 框架 TensorFlow.js / PyTorch / TensorFlow
技术栈
常见问题
建议具备高中数学水平（函数、导数基本概念）即可入门。每一章都从直觉出发，公式只是辅助理解的工具。
不需要。所有互动演示都用 JavaScript 在浏览器内运行，无需安装任何软件。Python 版本供有编程基础的读者参考对比。
可以。每个页面的代码编辑器都支持直接编辑并运行，修改参数、改动逻辑，立刻看到效果变化。
本站目标是帮你建立直觉和兴趣，为进入更深入的教材（如《Deep Learning》《动手学深度学习》）扫清障碍。打好基础之后，进阶资料会容易很多。
欢迎通过页面顶部导航栏的联系方式反馈，或直接在 GitHub 提 Issue。