section-ml-ai

# 机器学习与人工智能教程 ## 开工 1. 先执行 `tutorial-authoring` 并读取 [content-structure.md](references/content-structure.md)。 2. 锁定任务类型、目标人群、预测时点、结局、观测单位、数据切分单位和主要评价指标。 3. 明确文章演示的是开发、内部验证、外部验证还是部署；不要把一次训练/测试切分写成普遍性能。 4. 核对框架、学习器和参数的当前官方文档。包接口、默认值、硬件支持和模型/API 功能不得凭记忆断言。 5. 按 [共同辨析合同](../tutorial-authoring/references/comparison-and-visuals.md) 检查预测与因果、训练与评价、内部与外部验证或候选模型族是否会在当前任务中混淆。只有可能造成数据泄漏或错误性能解释时，才在首次训练前完成定位。 ## 内容主线 文章围绕一个预测或学习问题展开，不强制固定行数、三个难度层级、多个指标、调参或 SHAP。完整教程通常覆盖：目标与数据、基线方案、无泄漏预处理、重采样、模型训练、预设指标、校准与误差分析、最终测试或外部验证，以及适用边界。 - 先给朴素、可解释的基线，再说明复杂模型增加了什么能力和成本。 - 特征选择、缺失处理、标准化和调参必须在每个重采样训练折内完成。 - 测试集只用于锁定流程后的最终评价，不反复查看后修改模型。 - 分类阈值与临床或业务代价相连；不默认以 0.5、准确率或 AUC 作为唯一标准。 - 聚类、降维和生成模型使用与任务相符的稳定性、重构、人工审查或外部效度标准，不套监督学习指标。 - 方法比较不只列算法名称，还要说明数据切分、目标函数、输出解释、验证层级、诊断和改用条件。 需要设计搜索空间时读取 [hyperparameter-guides.md](references/hyperparameter-guides.md)。 ## 代码与结果 - 使用项目既有框架；没有既有合同时按文章目的选择 tidymodels、mlr3 或底层包，不为“现代”而无依据替换。 - 所有随机数据划分、重采样和随机算法记录种子；需要分层、分组或时间顺序时在代码中显式实现。 - 输出至少包含目标指标及其不确定性或重采样分布，并根据任务检查校准、类别/亚组误差和失败案例。 - 比较模型时复用相同数据划分、预处理范围和指标。没有公平基准时不写“更优”“更快”。 - 示例性能只属于示例数据，不写成真实研究或部署效果。 ## 图件 读取 [visual-templates.md](references/visual-templates.md)。ROC、PR、校准、残差、学习曲线和重采样分布必须来自真实预测对象。算法或数据流示意图只有在能澄清训练与验证边界时才使用 `research-visuals`。 ## 验证与导航 1. 从空会话实跑数据准备、重采样、训练、评价和预测代码，检查泄漏与训练/测试样本变化。 2. 运行教程审计并扫描 warning、收敛、缺失预测和失败折。 3. 更新 `_quarto.yml` 后从 `doc/` 运行 `Rscript generate_sections.R`。 4. 只渲染目标文章、`sections/machine-learning.qmd` 和 `index.qmd`，检查最终 HTML 和图件。