Amazon ML Summer School 2026 | Module 1 监督学习精读:线性模型、模型评估与集成方法完整笔记
Amazon ML Summer School 2026 | Module 1 监督学习精读:线性模型、模型评估与集成方法完整笔记
本文基于 Amazon ML Summer School 2026 开源仓库整理,带你精读 Module 1 监督学习完整内容,系统梳理线性模型、模型评估指标与集成方法三大核心考点,帮助新手快速建立机器学习基础,为实习面试和选拔测试做好准备 🎯
Amazon ML Summer School 2026 项目速览
Amazon ML Summer School 2026 是由 Amazon 科学家亲授的机器学习项目,面向 2027、2028 年毕业的学生,涵盖监督学习、深度学习、NLP、计算机视觉、强化学习等方向。该项目提供实习机会(津贴高达 ₹1.5 Lakh/月)和 PPO 预就业 offer 机会,是进入大厂 AI 赛道的优质跳板。
仓库中除了课程总结,还提供了完整的备考资料:
| 资料 | 说明 |
|---|---|
| 8 个模块笔记 | 完整课程 session 总结,位于 AMSS 2025/ 目录 |
| 往年试题 | 2023、2024 年 MCQ 与编程题,如 MLSummerSchool2023.md、MLSummerSchool2024.pdf |
| 官方样卷 | Amazon_ML_Summer_School_Sample_Test.pdf(官方已解答) |
| 2025 真题 | AMSS_2025_Exam_Questions.pdf 与 AMSS_2025_Questions.pdf |
💡 选拔测试共 60 分钟,分为 Part A(20 道 MCQ:ML 基础、概率、统计、线性代数)和 Part B(2 道编程题),两部分有独立分数线,建议均衡发力。详见 README.md。
Module 1 监督学习讲了什么?
Module 1 是整个课程的起点,完整笔记见 AMSS 2025/MODULE1.md。本节带你快速过一遍课程的知识地图。
监督学习解决什么问题
监督学习从带标签的数据中学习输入到输出的映射,分为两类:
- 分类(Classification):输出离散标签,如欺诈检测、农业产品分级
- 回归(Regression):输出连续数值,如地址可达率预测、电商内容抽取
监督学习模型的 4 大基本组件
| 组件 | 作用 | 典型示例 |
|---|---|---|
| 模型(Model) | 输入到输出的映射函数 | 线性模型、神经网络 |
| 损失函数(Loss Function) | 衡量预测误差 | 平方损失、交叉熵 |
| 优化(Optimization) | 最小化损失 | 梯度下降 |
| 正则化(Regularization) | 控制复杂度,防止过拟合 | L1 / L2 正则 |
完整训练流程为:收集有代表性的数据 → 转为数值向量 → 用损失函数训练 → 对新数据做预测并关注测试集表现。
线性模型:监督学习的入门基石
线性模型虽然简单,但既是面试高频考点,也是理解复杂模型的基础。
线性回归:预测连续值
- 任务:预测连续数值(如房价、AQI 指数)
- 损失函数:平方损失(Squared Loss)
- 求解方式:解析解(最小二乘)或梯度下降
逻辑回归:二分类首选
- 任务:二分类(如判断交易是否欺诈)
- 损失函数:交叉熵(Cross-Entropy)
- 求解方式:基于梯度的迭代优化
⚠️ 注意:逻辑回归是分类模型而非回归模型,命名容易引起误解,面试中常作为易错点。
正则化:平衡偏差与方差
| 正则化方式 | 特点 |
|---|---|
| L1(Lasso) | 倾向于产生稀疏解,可做特征选择 |
| L2(Ridge) | 平滑权重分布,稳定模型 |
正则化的核心价值在于平衡偏差(bias,模型太简单)与方差(variance,模型对数据太敏感),从而提升泛化能力。
模型评估:如何判断模型好坏
评估指标是 Module 1 的重中之重,也是 MCQ 考试最爱考察的部分。
分类评估指标清单
- 混淆矩阵(Confusion Matrix):TP/FP/TN/FN 的完整分布
- 精确率(Precision)与召回率(Recall):分别关注"预测的对不对"和"漏没漏掉"
- F1 分数:精确率与召回率的调和平均
- ROC AUC:衡量整体排序能力
- 精确率-召回率曲线(PR Curve):样本不均衡时更可靠
回归评估指标
| 指标 | 含义 |
|---|---|
| RMSE | 平均平方误差的平方根,对大误差敏感 |
| MAPE | 平均绝对百分比误差,直观易懂 |
| R² | 模型解释的方差比例 |
交叉验证与超参数调优
- 训练集用于拟合模型,测试集只用于检验泛化能力
- k 折交叉验证用于模型选择,避免单次划分的偶然性
- **网格搜索(Grid Search)与随机搜索(Random Search)**用于超参数调优
- 部署后要持续监控数据漂移(Data Drift),保持模型表现稳定
集成方法:从单模型到模型组合
单个模型表现有限时,集成(Ensemble)是提升效果的标准手段。
- 决策树(Decision Tree):按特征递归切分数据,易过拟合,通常需要剪枝
- Bagging(如 Random Forest 随机森林):并行训练多个树再投票,降低方差
- Boosting(如 AdaBoost):串行训练、逐步纠错,提升整体精度
- 多分类扩展:one-vs-rest 策略或 softmax 分类器
- 进阶:支持向量机(SVM)配合核函数(kernel)实现非线性划分
📌 记忆口诀:Bagging 降方差,Boosting 降偏差——面试问答中的高频考点。
实践任务与延伸学习资源
课程实践任务:AQI 数据集 EDA
Module 1 的课后任务是使用空气质量指数(AQI)数据集,在 Jupyter Notebook 中练习探索性数据分析(EDA)与数据可视化。任务详情见 MODULE1.md。这是锻炼数据直觉的好机会,建议用任何你熟悉的公开数据集完成。
仓库内的延伸资料
- 课程总览与 8 大模块目录:AMSS 2025/README.md
- 后续模块笔记:MODULE2.md(深度神经网络)、MODULE4.md(无监督学习)等
- 精选书单与学习路线:More ML Resources/README.md
- 配套经典教材 PDF:James G. et al. 2nd ed Springer 2021.pdf(《统计学习导论》)
备考建议:三步吃透 Module 1
- 先读笔记再做题:精读 MODULE1.md,用表格默写评估指标定义
- 刷往年 MCQ:用 MLSummerSchool2024.pdf 和 AMSS_2025_Exam_Questions.pdf 自测,官方样卷 Amazon_ML_Summer_School_Sample_Test.pdf 含参考答案
- 动手做 EDA 练习:把 AQI 任务真正跑通,编程题部分会直接受益
掌握监督学习的模型训练、评估与集成方法,就是你通往 Amazon ML Summer School 的第一块基石。祝备考顺利 🚀