C3C 技术基础技术基础

数学基础:看懂模型如何计算

围绕虚构积木任务,用小整数与可手算的例子理解代数、函数、向量矩阵、概率统计、导数优化及信息熵。重点不是复杂证明,而是解释每次计算的含义、适用条件与局限,帮助读懂模型输入、预测分数、误差和学习过程,并避免把数学形式误当作现实保证。

6 节课6—8小时(含练习)前置:会四则运算与百分比;建议先学习C2的数据单位、标签与划分

学完你将能够

  • 把简单预测规则写成函数并解释参数
  • 用向量矩阵表达多条多字段记录
  • 区分概率、统计证据与实际评估表现
  • 解释导数、梯度、损失与信息熵的直觉

课节目录

  1. 1代数与函数:给预测规则一个明确表达约 35 分钟 · 手算两次预测并检查残差
  2. 2向量与矩阵:把多字段记录组织成计算约 40 分钟 · 用三行矩阵手算加权用时
  3. 3概率与条件概率:分清频率、预测与证据约 40 分钟 · 用计数表回答三个概率问题
  4. 4统计与不确定性:波动、估计及相关约 40 分钟 · 比较两批小样本而不夸大变化
  5. 5导数、梯度与优化:模型怎样减少误差约 45 分钟 · 手算并比较两种学习率
  6. 6信息熵与交叉熵:把不确定性和概率误差连接起来约 45 分钟 · 比较两个概率模型的解释与损失

综合项目:一页模型计算解释卡

用两到三条虚构积木记录制作可手算的解释卡,展示输入、加权预测、误差、概率与优化;目标是让未学过机器学习的人看懂各个数值,不要求编程或训练真实模型。

步骤

  1. 定义积木数与此前练习次数的顺序和单位
  2. 使用固定项二、权重零点五与负一计算三条用时预测
  3. 给每条设置虚构真实用时并计算残差和绝对误差
  4. 建立容易困难的完成计数表,计算一个条件比例
  5. 手算参数六向标签四的一步梯度下降
  6. 比较真实完成时概率零点八与零点二的交叉熵,写局限说明

交付物

  • 字段、参数与单位说明卡
  • 三条预测及误差计算表
  • 概率和优化的逐步解释与边界说明

自查标准

  • 每个向量位置与权重对应一致
  • 计算展示中间步骤且单位正确
  • 条件概率分母符合问题方向
  • 梯度更新包含学习率并比较前后损失
  • 不把预测概率、熵或低损失当作整体准确率保证
查看参考方案

参考解释卡

输入顺序为积木数量、此前练习次数,权重分别是每块半分钟、每次练习减少一分钟,固定准备项为两分钟。三条输入十和二、十二和一、八和零,对应点积三、五、四,加固定项后预测五、七、六分钟。若虚构实际用时六、六、八,则残差一、负一、二,绝对误差为一、一、二,平均绝对误差四除以三,约一点三三分钟。残差正负相抵不能代表没有误差。

容易组五次完成一次未完成,条件完成频率五除以六;已经完成的八次中容易有五次,反方向比例为五除以八。这说明条件决定分母。某次预测完成概率零点八,不代表模型整体准确率八成,需要在独立记录上另行检查分类与校准。

演示优化时,参数六对标签四的平方损失为四,导数四;学习率零点二五更新参数至五,新损失一。真实完成时,概率零点八的交叉熵约零点二二,小于零点二对应的一点六一。所有记录均为虚构,计算说明方法而非现实规律;模型单位、样本代表性与数据泄漏仍需检查。

结业测验(6 题,答对 5 题即通过)

‹ C2 数据基础:从记录到可信证据D1 机器学习:从任务选择到可靠评估 ›