学生、自学者
准备机器学习入门课程或自学时，需要一张系统化的知识地图。
Casos de uso
Sobre
机器学习（Machine Learning）是人工智能的核心领域，本模板系统梳理了机器学习的关键概念和技术，涵盖DTQM框架和sklearn工具库的应用。模板以“机器学习”为根节点，展开两大分支：DTQM（数据、任务、性能度量）和sklearn（分类、回归、降维、模型选择、预处理、聚类）。DTQM分支详细定义了数据（结构化、非结构化）、任务（有监督学习、无监督学习、半监督学习、增强学习）以及性能度量（分类的均方、均方根、相对误差、Huber；回归的0-1、对数、指数、合页）。sklearn分支则覆盖了该库的核心功能模块。本模板适合作为机器学习入门者的知识框架和速查表，帮助系统掌握基础概念与工具。
Termos e condiçõesQuando usar este modelo
数据科学家、机器学习工程师
在项目中选择算法前，快速回顾监督学习与无监督学习的任务类型和评估指标。
教师、培训师
教学备课或编写培训材料时，需要结构化展示DTQM框架和sklearn工具。
Como usar este modelo
Passo 1
导入模板并概览核心架构
在 Xmind 中打开模板文件并快速浏览 DTQM 与 sklearn 两大核心分支以建立初步的知识框架。
Passo 2
逐级展开并深入学习细节
通过点击节点展开按钮来详细查看数据类型、任务分类、性能度量以及 sklearn 各功能模块的具体内容。
Passo 3
自定义内容并导出学习成果
根据个人学习进度补充算法笔记或案例，并将其导出为图片或 PDF 格式以便随时查阅和分享。
Perguntas frequentes
模板以DTQM框架和sklearn工具库为主线，涵盖数据分类、学习任务类型、性能度量指标以及sklearn的六大功能模块，共34个节点。
分类任务包括均方、均方根、相对误差和Huber；回归任务包括0-1、对数、指数和合页损失函数。
非常适合。模板从数据、任务到评估指标系统梳理了核心概念，并关联sklearn工具，适合初学者建立知识框架。
可以。打开.xmind文件后，您可以自由添加、删除或修改节点，调整颜色和图标，以适应个人学习或教学需求。
包括分类、回归、降维、模型选择、预处理和聚类，覆盖了sklearn的主要功能。
Tem um modelo inspirador?
Compartilhe seus modelos de mapas mentais com criadores ao redor do mundo e comece a ganhar com seu trabalho.
Modelo grátis