机器学习我也学

写给小学生的机器学习读本

写在开篇

亲爱的同学们：

打开这本书之前，先想一想校园里这些“会变聪明”的事：图书馆刷脸进门、平板推荐“你可能喜欢的书”、体育课计步器提醒再走几步、语音助手听懂你读的课文。它们背后常有机器学习——让计算机从例子或奖励里学规律，而不是把每一条规则都写死。

问题不在于机器“神不神奇”，而在于我们能不能说清：它靠什么学、学完怎么考、错了谁负责、哪些数据能采。本课程对齐《中小学人工智能通识教育指南（2025）》精神，面向小学真实任务：分类、标注、预测、归堆、奖励、选型与隐私。

开篇路线很清楚：第1课认识机器学习与四大类型；第2—5课用真实任务打牢 Python（变量与print、列表字典、if/for、函数与标准库）；第6—10课有监督学习（分类、标注、正确率、预测、字典模型）；第11—13课无监督学习（聚类、距离、最近邻）；第14—15课强化学习（选动作、走一步拿奖励）；第16—17课深度学习粗知（多层变换、认图识音边界）；第18—20课综合选型、项目闭环与隐私诚信；第21课借用 sklearn 工具箱，把手工函数对上真实库接口。

请把四条原则记牢：数据说话（用样本与数字说话，不空喊）；例子教学（有监督靠带标签的例子）；检验为准（训练集学、测试集考，正确率说话）；人主决定（模型给建议，人决定采不采纳、能不能上线）。

学完本书，你将能做什么

第一，能把校园任务对上四大类型：有标签分类／预测→有监督；无标签归堆→无监督；试错加分→强化；复杂认图识音→深度粗知。

第二，能读、写、改本册里的小函数：classify、accuracy、predict、manhattan、choose_action、step、forward、choose_type、can_collect 等，并知道每个函数在机器学习流程里扮演什么角色；第21课还能把它们对上 sklearn 的 fit／predict／accuracy_score。

第三，能守住规范：不采电话住址等敏感信息；不伪造数据刷正确率；不能乱试的场景（如过马路）不乱做强化；小任务不必硬上大模型。

如何使用本书

有编程的课每课只有一个编程界面：用下拉列表切换「编程体验」与三道编程题；上方为参考代码，下方嵌入 Mixly「Python 3 Online」，请在 Mixly 中编写并运行。客观题点选后点「检查」。建议准备一本「机器学习笔记」，每课记下：本课函数名、易错点、下一课钩子。

（写给每一位愿意认真学习的小学同学）