AI算法平台搭建实践
验证性实验 + 综合型实验 | 4学时 | 支持课程目标2、3、4
搭建机器学习实验平台，通过可视化交互演示理解经典AI算法的核心原理。点击画布添加数据点，观察算法实时学习过程。
教学要点：理解机器学习的训练-预测范式，掌握监督学习（回归/分类）的基本概念和可视化分析方法
线性回归 (Linear Regression)
核心思想：找到一条直线 y = wx + b，使所有点到直线的距离之和最小。
操作：点击画布添加数据点，然后点击[拟合直线]观察最小二乘法的拟合结果。
R² 越接近 1，拟合效果越好。K近邻分类 (KNN)
核心思想：对新样本，找到训练集中最近的 K 个邻居，投票决定分类。
操作：选择颜色类别后点击画布添加训练点，点击[分类预测]显示决策边界。
调节 K 值观察决策边界变化 -- K 小则边界复杂(过拟合)，K 大则边界平滑(欠拟合)。梯度下降 (Gradient Descent)
核心思想：沿损失函数的负梯度方向，逐步调整参数使损失最小化。
可视化：3D损失曲面的等高线图，红色轨迹显示参数更新路径。
观察：学习率太大会震荡发散，太小则收敛极慢。调节学习率对比效果。