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

原创2026-11-13 11:37:141,414 阅读

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

备考建议:三步吃透 Module 1

  1. 先读笔记再做题:精读 MODULE1.md,用表格默写评估指标定义
  2. 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
  3. 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 🚀

登录后查看全文
Amazon-ML-Summer-School-2026