有大量标注数据→ 监督学习（或深度学习做监督）只有无标注数据→ 无监督学习（聚类/降维）或半监督学习（如果少量标注可行）标注成本高，但有无标注数据→ 半监督学习任务需要序列决策，有环境交互→ 强化学习（可结合深度学习成为深度强化学习）数据量大、问题复杂（图像、语音、文本）→ 深度学习（可能结合监督/无监督/强化）

方法核心任务核函数角色典型样本规模输出形式核岭回归 (KRR)非线性回归定义特征空间内积n<10^4点预测核逻辑回归 (KLR)非线性概率分类同上n<10^4类别概率核主成分分析 (KPCA)非线性降维捕捉数据流形n<10^4低维嵌入核 K‑Means非线性聚类使簇线性可分n<10^4簇标签高斯过程 (GP)贝叶斯回归/分类定义先验协方差n<2000均值+方差多核学习 (MKL)自动核组合融合异构

标准化（Standardization）：是一种数据预处理方法，将原始数据按特征列转换为均值为0、标准差为1的分布。其计算公式为：x 是原始特征值\mu 是该特征列的均值\sigma 是该特征列的标准差标准化后的数据服从标准正态分布（但不要求原始数据为正态分布）。问题答案标准化做了什么？将每个特征的均值变为0，标准差变为1为什么需要？消除量纲影响，加速收敛，公平正则化，满足算法假设数据性质变化？均

核函数核心公式关键参数最佳场景线性x_i^Tx_jC高维稀疏、线性可分多项式已知阶数、小样本RBF\gamma, C非线性问题默认首选拉普拉斯\gamma, C含噪声数据卡方\gamma, C直方图、非负特征直方图交无图像分类、直方图匹配Matern复杂（含贝塞尔函数）\nu,\rho高斯过程、空间统计掌握核函数的原理、数学形式和选择策略，是解决复杂非线性问题的关键。在实践中，建议从 RBF 核开

特征（Feature）：输入变量，用于预测的属性（X）标签（Label）：输出变量，需要预测的目标（y）训练集（Train Set）：用于模型学习规律的数据测试集（Test Set）：用于评估模型泛化能力的数据（从未见过的新数据）针对分类任务，评估指标主要用来衡量模型预测的准确程度。选择哪个指标，取决于具体问题（例如是否类别不平衡，更关注哪类错误）。所有指标都建立在混淆矩阵的基础上。业务目标首选指

Matplotlib：底层绘图库，灵活性高，适合精细控制图表。Seaborn：高级封装，语法简洁，内置漂亮样式和统计功能。常用图形折线图：趋势散点图：相关性柱状图：比较直方图：分布箱线图：统计摘要热力图：矩阵数据pairplot：多变量关系美化要素：标题、标签、图例、颜色映射、网格、样式主题、去除多余边框。子图布局创建多子图，自动调整间距。实战流程：数据加载 → 数据处理 → 计算指标 → 绘制图

Series：一维带标签数组；DataFrame：二维表格，类似 Excel。数据读取read_csvread_excelread_json，注意编码和参数。数据清洗dropnafillna处理缺失值；去重；条件过滤处理异常值。筛选loc（标签/条件）、iloc（位置）、布尔索引（df[条件]分组聚合groupby()agg()或，可自定义函数。合并concat拼接（行/列）；merge按键连接（

GIL：CPython 的全局解释器锁，导致多线程无法利用多核 CPU。多线程：适合 IO 密集型任务，注意线程安全（使用锁），可用。多进程：适合 CPU 密集型任务，绕过 GIL，进程间通信使用Queue或Pipe，可用。异步 IO：单线程高并发，使用asyncio+ 异步库（如aiohttp），代码复杂但效率极高。选择原则：CPU 密集型 → 多进程；IO 密集型 → 多线程或 asyncio

装饰器本质：高阶函数，接收函数返回新函数，使用语法糖。：必须使用，以保留原函数的元信息（__name____doc__带参数的装饰器：三层嵌套函数，最外层接收装饰器参数，内层接收函数，最内层接收函数参数。类装饰器：通过__init__接收被装饰函数（或参数），通过__call__实现包装逻辑，适合保存状态。执行顺序：多个装饰器从下往上执行（靠近函数的最先被包装）。应用场景：日志、计时、缓存、权限校

再次遍历（迭代器已耗尽，无输出）print(num)可迭代对象：实现了__iter__()，返回迭代器。常见的有liststrdict等。迭代器：实现了__iter__()和__next__()，只能遍历一次。for循环依赖迭代协议。生成器函数：使用yield的函数，调用时返回生成器对象（属于迭代器），支持延迟计算和状态保持。生成器表达式：类似列表推导式但使用()，返回生成器对象，适合大数据量处理