标签：零基础

从差分和自相关理解 AR、MA、ARIMA 的选择与诊断

用 AHP、熵权和 TOPSIS 比较方案并检查排名稳健性

用小例子理解向量矩阵、导数、概率与数组

用节点和边建模，区分最短路、生成树、流与路线规划

完整连接数据检查、基线、验证、成本优化和报告

把非表格数据变成特征，理解分割、频谱与融合

从数学符号、三角函数与导数开始，完整学习优化建模、问题分类、全局与局部最优，推导五个例题并详解六道课后习题。

把资源分配写成目标与约束，再检查解的可行性

从相关特征找到低维表示，理解方差、投影与解释

从手算最小二乘到带验证的预测模型

从现实问题、假设和变量走到求解、验证与表达

用蒙特卡洛、马尔可夫和排队案例理解风险与误差

用房价与邮件分类例子解释样本、参数、向量、概率、导数、损失和张量形状。

先分清分类、回归、聚类和强化学习，再理解线性模型、树、集成、SVM、贝叶斯、KNN 与 PCA。

把机器学习、大模型、RAG、微调、Agent 与工程交付连成一条可循序学习的路线。

结合 2021 至 2025 年题目学习如何拆任务和验证方案

从递推权重理解水平、趋势与季节模型

手算平滑与一步预测，理解窗口、滞后和趋势修正

识别趋势、季节和相关性，建立按时间验证的流程

从缺失、重复和量纲走到可用数据，理解插值与信息泄漏

围绕问题选择图表，读懂分布、关系和异常

从变化率建立模型，用解析解和数值解预测状态

理解 GA、PSO、ACO、SA 的更新与公平比较

从距离、投影和旋转走到定位、方程与分解

通过手算分组理解 K-Means、DBSCAN、层次聚类和 GMM

从投影与间隔理解 LDA、软间隔和核函数

从条件概率与平滑走到文本分类

从单个神经元的手算更新走到可验证的 MLP

从距离投票理解监督学习、交叉验证和评估

从手算分裂走到剪枝、随机森林和梯度提升

从样本波动理解区间、p 值和检验选择