[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-datawhalechina--pumpkin-book":3,"tool-datawhalechina--pumpkin-book":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",140436,2,"2026-04-05T23:32:43",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":79,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":79,"stars":82,"forks":83,"last_commit_at":84,"license":85,"difficulty_score":86,"env_os":87,"env_gpu":88,"env_ram":88,"env_deps":89,"category_tags":92,"github_topics":93,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":96,"updated_at":97,"faqs":98,"releases":146},4059,"datawhalechina\u002Fpumpkin-book","pumpkin-book","南瓜书：《机器学习》（西瓜书）公式详解","南瓜书是专为周志华教授经典教材《机器学习》（俗称“西瓜书”）打造的公式详解开源项目。针对原书中为保持简洁而略去的数学推导细节，南瓜书以本科数学基础为视角，对难点公式进行了逐行解析和补充推导，填补了从理论概述到具体实现之间的认知鸿沟。\n\n该项目主要解决了初学者在阅读权威教材时，因数学背景差异导致的“公式跳跃”困惑，帮助读者跨越理解门槛，真正吃透机器学习算法背后的数学原理。其内容编排紧密贴合原书章节，既可作为自学笔记查阅，也提供了纸质版与开源版供不同需求选择，并附带视频教程与勘误反馈机制，确保内容的准确性与易读性。\n\n南瓜书特别适合正在系统学习机器学习的本科生、研究生，以及希望夯实数学基础的开发者和技术研究人员。对于自认“数学基础薄弱”的学习者，它更像是一位耐心的助教，将复杂的推导过程拆解得通俗易懂。通过社区协作模式，南瓜书持续迭代更新，已成为国内机器学习入门领域极具口碑的辅助学习资料，助力每一位求知者从“看懂公式”迈向“掌握精髓”。","\u003Cdiv align=center>\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_pumpkin-book_readme_654a867131f8.png\" >\n\u003Ch1>南瓜书（pumpkin-book）\u003C\u002Fh1>\n\u003C\u002Fdiv>\n\n“周志华老师的《机器学习》（西瓜书）是机器学习领域的经典入门教材之一，周老师为了使尽可能多的读者通过西瓜书对机器学习有所了解, 所以在书中对部分公式的推导细节没有详述，但是这对那些想深究公式推导细节的读者来说可能“不太友好”，本书旨在对西瓜书里比较难理解的公式加以解析，以及对部分公式补充具体的推导细节。”\n\n读到这里，大家可能会疑问为啥前面这段话加了引号，因为这只是我们最初的遐想，后来我们了解到，周老师之所以省去这些推导细节的真实原因是，他本尊认为“理工科数学基础扎实点的大二下学生应该对西瓜书中的推导细节无困难吧，要点在书里都有了，略去的细节应能脑补或做练习”。所以......本南瓜书只能算是我等数学渣渣在自学的时候记下来的笔记，希望能够帮助大家都成为一名合格的“理工科数学基础扎实点的大二下学生”。\n\n## 使用说明\n- 南瓜书的所有内容都是以西瓜书的内容为前置知识进行表述的，所以南瓜书的最佳使用方法是以西瓜书为主线，遇到自己推导不出来或者看不懂的公式时再来查阅南瓜书；\n- 对于初学机器学习的小白，西瓜书第1章和第2章的公式**强烈不建议深究**，简单过一下即可，等你学得有点飘的时候再回来啃都来得及；\n- 每个公式的解析和推导我们都力争以本科数学基础的视角进行讲解，所以超纲的数学知识我们通常都会以附录和参考文献的形式给出，感兴趣的同学可以继续沿着我们给的资料进行深入学习；\n- 若南瓜书里没有你想要查阅的公式，或者你发现南瓜书哪个地方有错误，请毫不犹豫地去我们GitHub的Issues（ 地址：[https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fpumpkin-book\u002Fissues](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fpumpkin-book\u002Fissues) ）进行反馈，在对应版块提交你希望补充的公式编号或者勘误信息，我们通常会在24小时以内给您回复，超过24小时未回复的话可以微信联系我们（微信号：at-Sm1les）；\n\n## 配套资源\n视频教程：[https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1Mh411e7VU](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1Mh411e7VU)\n\nPDF版本下载：[https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fpumpkin-book\u002Freleases](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fpumpkin-book\u002Freleases)\n\n组队学习：[https:\u002F\u002Fwww.datawhale.cn\u002Flearn\u002Fsummary\u002F2](https:\u002F\u002Fwww.datawhale.cn\u002Flearn\u002Fsummary\u002F2)\n\n## 纸质版\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_pumpkin-book_readme_b5d949e2edb3.jpg\" width=\"300\" height=\"316\">\n\n购买链接：[京东](https:\u002F\u002Fitem.jd.com\u002F13989990.html) | [当当](http:\u002F\u002Fproduct.dangdang.com\u002F29579286.html) | [天猫](https:\u002F\u002Fdetail.tmall.com\u002Fitem.htm?abbucket=12&id=720482241470)\n\n勘误表：[https:\u002F\u002Fdatawhalechina.github.io\u002Fpumpkin-book\u002F#\u002Ferrata](https:\u002F\u002Fdatawhalechina.github.io\u002Fpumpkin-book\u002F#\u002Ferrata)\n\n### 纸质版和开源版的区别\n\n开源版本是我们寄送出版社的全书初稿，经由人民邮电出版社的编辑老师们对初稿进行了反复修缮最终诞生了纸质书籍，在此向人民邮电出版社的编辑老师的认真严谨表示衷心的感谢！（附：校对样稿）\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_pumpkin-book_readme_a217c1cb752a.jpg\" width=\"300\" height=\"225\">\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_pumpkin-book_readme_c3fc126c7a63.jpg\" width=\"300\" height=\"225\">\n\n## 配套的西瓜书版本\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_pumpkin-book_readme_855f7ec2a5c7.jpg\" width=\"300\" height= \"350\">\n\n版次：2016年1月第1版\n\n勘误表：[http:\u002F\u002Fcs.nju.edu.cn\u002Fzhouzh\u002Fzhouzh.files\u002Fpublication\u002FMLbook2016.htm](http:\u002F\u002Fcs.nju.edu.cn\u002Fzhouzh\u002Fzhouzh.files\u002Fpublication\u002FMLbook2016.htm)\n\n## 编委会\n| 职责 | 名单 |\n| :---: | :---: |\n| **主编** | [@Sm1les](https:\u002F\u002Fgithub.com\u002FSm1les) [@archwalker](https:\u002F\u002Fgithub.com\u002Farchwalker) [@jbb0523](https:\u002F\u002Fblog.csdn.net\u002Fjbb0523)|\n| **编委** | [@juxiao](https:\u002F\u002Fgithub.com\u002Fjuxiao) [@Majingmin](https:\u002F\u002Fgithub.com\u002FMajingmin) [@MrBigFan](https:\u002F\u002Fgithub.com\u002FMrBigFan) [@shanry](https:\u002F\u002Fgithub.com\u002Fshanry) [@Ye980226](https:\u002F\u002Fgithub.com\u002FYe980226) |\n\n## 封面设计\n| 构思 | 创作 |\n| :---: | :---: |\n| [@Sm1les](https:\u002F\u002Fgithub.com\u002FSm1les) | 林王茂盛 | \n\n## 致谢\n特别感谢[@awyd234](https:\u002F\u002Fgithub.com\u002Fawyd234)、[@feijuan](https:\u002F\u002Fgithub.com\u002Ffeijuan)、[@Ggmatch](https:\u002F\u002Fgithub.com\u002FGgmatch)、[@Heitao5200](https:\u002F\u002Fgithub.com\u002FHeitao5200)、[@xhqing](https:\u002F\u002Fgithub.com\u002Fxhqing)、[@LongJH](https:\u002F\u002Fgithub.com\u002FLongJH)、[@LilRachel](https:\u002F\u002Fgithub.com\u002FLilRachel)、[@LeoLRH](https:\u002F\u002Fgithub.com\u002FLeoLRH)、[@Nono17](https:\u002F\u002Fgithub.com\u002FNono17)、[@spareribs](https:\u002F\u002Fgithub.com\u002Fspareribs)、[@sunchaothu](https:\u002F\u002Fgithub.com\u002Fsunchaothu)、[@StevenLzq](https:\u002F\u002Fgithub.com\u002FStevenLzq) 在最早期的时候对南瓜书所做的贡献。\n\n\n\u003Cdiv align=center>\n\u003Ch2>关注我们\u003C\u002Fh2>\n扫描下方二维码关注公众号：Datawhale，然后发送“南瓜书”，即可获取“南瓜书读者交流群”入群方式\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_pumpkin-book_readme_303cd5dfe9c5.jpeg\" width=\"180\" height=\"180\">\n\n\u003Ch2>LICENSE\u003C\u002Fh2>\n本作品采用 \u003Ca href=\"http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F\" target=\"_blank\">知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议（CC BY-NC-SA 4.0）\u003C\u002Fa> 进行许可\n\u003C\u002Fdiv>\n","\u003Cdiv align=center>\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_pumpkin-book_readme_654a867131f8.png\" >\n\u003Ch1>南瓜书（pumpkin-book）\u003C\u002Fh1>\n\u003C\u002Fdiv>\n\n“周志华老师的《机器学习》（西瓜书）是机器学习领域的经典入门教材之一，周老师为了使尽可能多的读者通过西瓜书对机器学习有所了解, 所以在书中对部分公式的推导细节没有详述，但是这对那些想深究公式推导细节的读者来说可能“不太友好”，本书旨在对西瓜书里比较难理解的公式加以解析，以及对部分公式补充具体的推导细节。”\n\n读到这里，大家可能会疑问为啥前面这段话加了引号，因为这只是我们最初的遐想，后来我们了解到，周老师之所以省去这些推导细节的真实原因是，他本尊认为“理工科数学基础扎实点的大二下学生应该对西瓜书中的推导细节无困难吧，要点在书里都有了，略去的细节应能脑补或做练习”。所以......本南瓜书只能算是我等数学渣渣在自学的时候记下来的笔记，希望能够帮助大家都成为一名合格的“理工科数学基础扎实点的大二下学生”。\n\n## 使用说明\n- 南瓜书的所有内容都是以西瓜书的内容为前置知识进行表述的，所以南瓜书的最佳使用方法是以西瓜书为主线，遇到自己推导不出来或者看不懂的公式时再来查阅南瓜书；\n- 对于初学机器学习的小白，西瓜书第1章和第2章的公式**强烈不建议深究**，简单过一下即可，等你学得有点飘的时候再回来啃都来得及；\n- 每个公式的解析和推导我们都力争以本科数学基础的视角进行讲解，所以超纲的数学知识我们通常都会以附录和参考文献的形式给出，感兴趣的同学可以继续沿着我们给的资料进行深入学习；\n- 若南瓜书里没有你想要查阅的公式，或者你发现南瓜书哪个地方有错误，请毫不犹豫地去我们GitHub的Issues（ 地址：[https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fpumpkin-book\u002Fissues](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fpumpkin-book\u002Fissues) ）进行反馈，在对应版块提交你希望补充的公式编号或者勘误信息，我们通常会在24小时以内给您回复，超过24小时未回复的话可以微信联系我们（微信号：at-Sm1les）；\n\n## 配套资源\n视频教程：[https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1Mh411e7VU](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1Mh411e7VU)\n\nPDF版本下载：[https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fpumpkin-book\u002Freleases](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fpumpkin-book\u002Freleases)\n\n组队学习：[https:\u002F\u002Fwww.datawhale.cn\u002Flearn\u002Fsummary\u002F2](https:\u002F\u002Fwww.datawhale.cn\u002Flearn\u002Fsummary\u002F2)\n\n## 纸质版\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_pumpkin-book_readme_b5d949e2edb3.jpg\" width=\"300\" height=\"316\">\n\n购买链接：[京东](https:\u002F\u002Fitem.jd.com\u002F13989990.html) | [当当](http:\u002F\u002Fproduct.dangdang.com\u002F29579286.html) | [天猫](https:\u002F\u002Fdetail.tmall.com\u002Fitem.htm?abbucket=12&id=720482241470)\n\n勘误表：[https:\u002F\u002Fdatawhalechina.github.io\u002Fpumpkin-book\u002F#\u002Ferrata](https:\u002F\u002Fdatawhalechina.github.io\u002Fpumpkin-book\u002F#\u002Ferrata)\n\n### 纸质版和开源版的区别\n\n开源版本是我们寄送出版社的全书初稿，经由人民邮电出版社的编辑老师们对初稿进行了反复修缮最终诞生了纸质书籍，在此向人民邮电出版社的编辑老师的认真严谨表示衷心的感谢！（附：校对样稿）\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_pumpkin-book_readme_a217c1cb752a.jpg\" width=\"300\" height=\"225\">\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_pumpkin-book_readme_c3fc126c7a63.jpg\" width=\"300\" height=\"225\">\n\n## 配套的西瓜书版本\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_pumpkin-book_readme_855f7ec2a5c7.jpg\" width=\"300\" height= \"350\">\n\n版次：2016年1月第1版\n\n勘误表：[http:\u002F\u002Fcs.nju.edu.cn\u002Fzhouzh\u002Fzhouzh.files\u002Fpublication\u002FMLbook2016.htm](http:\u002F\u002Fcs.nju.edu.cn\u002Fzhouzh\u002Fzhouzh.files\u002Fpublication\u002FMLbook2016.htm)\n\n## 编委会\n| 职责 | 名单 |\n| :---: | :---: |\n| **主编** | [@Sm1les](https:\u002F\u002Fgithub.com\u002FSm1les) [@archwalker](https:\u002F\u002Fgithub.com\u002Farchwalker) [@jbb0523](https:\u002F\u002Fblog.csdn.net\u002Fjbb0523)|\n| **编委** | [@juxiao](https:\u002F\u002Fgithub.com\u002Fjuxiao) [@Majingmin](https:\u002F\u002Fgithub.com\u002FMajingmin) [@MrBigFan](https:\u002F\u002Fgithub.com\u002FMrBigFan) [@shanry](https:\u002F\u002Fgithub.com\u002Fshanry) [@Ye980226](https:\u002F\u002Fgithub.com\u002FYe980226) |\n\n## 封面设计\n| 构思 | 创作 |\n| :---: | :---: |\n| [@Sm1les](https:\u002F\u002Fgithub.com\u002FSm1les) | 林王茂盛 | \n\n## 致谢\n特别感谢[@awyd234](https:\u002F\u002Fgithub.com\u002Fawyd234)、[@feijuan](https:\u002F\u002Fgithub.com\u002Ffeijuan)、[@Ggmatch](https:\u002F\u002Fgithub.com\u002FGgmatch)、[@Heitao5200](https:\u002F\u002Fgithub.com\u002FHeitao5200)、[@xhqing](https:\u002F\u002Fgithub.com\u002Fxhqing)、[@LongJH](https:\u002F\u002Fgithub.com\u002FLongJH)、[@LilRachel](https:\u002F\u002Fgithub.com\u002FLilRachel)、[@LeoLRH](https:\u002F\u002Fgithub.com\u002FLeoLRH)、[@Nono17](https:\u002F\u002Fgithub.com\u002FNono17)、[@spareribs](https:\u002F\u002Fgithub.com\u002Fspareribs)、[@sunchaothu](https:\u002F\u002Fgithub.com\u002Fsunchaothu)、[@StevenLzq](https:\u002F\u002Fgithub.com\u002FStevenLzq) 在最早期的时候对南瓜书所做的贡献。\n\n\n\u003Cdiv align=center>\n\u003Ch2>关注我们\u003C\u002Fh2>\n扫描下方二维码关注公众号：Datawhale，然后发送“南瓜书”，即可获取“南瓜书读者交流群”入群方式\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_pumpkin-book_readme_303cd5dfe9c5.jpeg\" width=\"180\" height=\"180\">\n\n\u003Ch2>LICENSE\u003C\u002Fh2>\n本作品采用 \u003Ca href=\"http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F\" target=\"_blank\">知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议（CC BY-NC-SA 4.0）\u003C\u002Fa> 进行许可\n\u003C\u002Fdiv>","# 南瓜书（pumpkin-book）快速上手指南\n\n南瓜书是周志华老师《机器学习》（西瓜书）的配套解析笔记，旨在补充书中略去的公式推导细节。本项目主要为文档与书籍资源，无需复杂的环境配置即可阅读。\n\n## 环境准备\n\n本项目核心内容为 Markdown 源码、PDF 文档及纸质书籍，对系统无特殊要求。\n\n- **操作系统**：Windows \u002F macOS \u002F Linux 均可\n- **前置依赖**：\n  - 阅读电子版：任意 PDF 阅读器或支持 Markdown 的编辑器（如 VS Code, Typora）\n  - 参与贡献\u002F本地构建（可选）：Git, Python 3.x, LaTeX 环境（如需编译源码）\n\n## 安装步骤\n\n你可以通过以下三种方式获取南瓜书内容：\n\n### 方式一：直接下载 PDF（推荐）\n访问 GitHub Release 页面下载最新编译好的 PDF 版本：\n```bash\n# 浏览器访问或使用命令行工具下载\nhttps:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fpumpkin-book\u002Freleases\n```\n\n### 方式二：克隆源码仓库\n如果你希望查看原始 Markdown 文件或参与贡献：\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fpumpkin-book.git\ncd pumpkin-book\n```\n*注：国内用户若克隆速度慢，可使用 Gitee 镜像（如有）或通过代理加速。*\n\n### 方式三：购买纸质版\n支持京东、当当、天猫等平台购买实体书，适合深度研读与收藏。\n- 京东：[点击购买](https:\u002F\u002Fitem.jd.com\u002F13989990.html)\n- 当当：[点击购买](http:\u002F\u002Fproduct.dangdang.com\u002F29579286.html)\n\n## 基本使用\n\n南瓜书的最佳使用方式是**配合《机器学习》（西瓜书）主线学习**。\n\n1. **启动学习**：\n   打开西瓜书进行阅读，当遇到无法理解或推导困难的公式时，再查阅南瓜书对应章节。\n\n2. **查阅示例**：\n   - 若已下载 PDF：使用阅读器打开 `pumpkin-book.pdf`，通过目录或搜索公式编号（如 `(3.5)`）定位解析内容。\n   - 若克隆了源码：在 `content` 目录下找到对应的 `.md` 文件，使用 Markdown 编辑器查看。\n\n3. **初学者建议**：\n   根据官方建议，初学者**不建议深究**西瓜书第 1 章和第 2 章的公式推导，简单浏览即可，待基础稳固后再回头啃读。\n\n4. **反馈与互动**：\n   若发现错误或需要补充公式，请前往 GitHub Issues 提交：\n   ```bash\n   # 访问地址\n   https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fpumpkin-book\u002Fissues\n   ```\n   也可关注微信公众号 \"Datawhale\" 发送“南瓜书”加入读者交流群。","计算机专业大三学生李明在自学周志华老师的《机器学习》（西瓜书）时，试图深入理解支持向量机（SVM）章节中复杂的拉格朗日对偶问题推导过程。\n\n### 没有 pumpkin-book 时\n- 面对西瓜书中“显然可得”或略去的中间推导步骤，李明反复演算却卡在数学变换上，耗费数小时仍无法闭环逻辑。\n- 因本科高数基础遗忘，遇到超纲的矩阵求导或凸优化概念时，不得不中断学习去全网搜索零散的数学资料，学习链路频繁断裂。\n- 缺乏针对特定公式的通俗解读，只能生硬背诵结论，导致后续阅读代码实现时无法将理论与算法逻辑对应，产生强烈的挫败感。\n- 独自钻研效率极低，遇到疑似教材印刷错误或自身理解偏差时，无人验证，容易陷入错误的思维死胡同。\n\n### 使用 pumpkin-book 后\n- 直接查阅 pumpkin-book 中对应的公式详解，获取了缺失的中间推导步骤，瞬间打通了从原始目标函数到对偶问题的逻辑堵点。\n- 借助书中以本科数学视角编写的附录和注释，快速复习了必要的数学背景知识，无需跳出当前学习上下文即可补齐短板。\n- 通过清晰的逐步解析，不仅理解了公式的物理含义，还能顺畅地对照 Python 代码中的损失函数计算，实现了理论与实践的融会贯通。\n- 发现疑问时可立即参考社区维护的勘误表或在 GitHub Issues 中反馈，确保了学习内容的准确性，大幅提升了自学的信心与效率。\n\npumpkin-book 将晦涩的数学推导转化为可读性极强的学习笔记，帮助初学者跨越了从“看懂结论”到“掌握原理”的关键门槛。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_pumpkin-book_654a8671.png","datawhalechina","Datawhale","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fdatawhalechina_f57a6118.png","for the learner，和学习者一起成长",null,"https:\u002F\u002Fdatawhale.cn","https:\u002F\u002Fgithub.com\u002Fdatawhalechina",25746,4819,"2026-04-05T15:27:49","NOASSERTION",1,"","未说明",{"notes":90,"python":88,"dependencies":91},"本项目（南瓜书）并非可执行的软件工具或代码库，而是一本针对周志华《机器学习》（西瓜书）的公式推导解析笔记。主要资源为 PDF 文档、纸质书籍及视频教程，无需配置操作系统、GPU、内存或 Python 环境即可阅读。",[],[13],[94,67,95],"machine-learning","book","2026-03-27T02:49:30.150509","2026-04-06T09:25:37.368270",[99,104,108,113,117,122,127,132,136,141],{"id":100,"question_zh":101,"answer_zh":102,"source_url":103},18478,"在强化学习公式推导中，蓝色圈出的部分是否代表 r1？求和是否应该从 r2 开始？","需要纠正的是，第四行最后一个求和仍然从 t = 0 开始，因为该行的前提条件与上一行不同（x0 = x'）。蓝色框部分表示的是状态 x 转换到 x' 的奖赏，并不是 r1，后续的展开才是按照 r 进行折扣迭代。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fpumpkin-book\u002Fissues\u002F1",{"id":105,"question_zh":106,"answer_zh":107,"source_url":103},18479,"公式 (16.36) 推导中，VΠ(x)=r+γVΠ(x') 是如何得来的？","这是时序差分（Temporal Difference）公式的核心思想。它利用下一状态的即时奖赏 r 加上折扣后的下一状态价值 γVΠ(x') 来近似估计当前状态的价值 VΠ(x)。建议查阅时序差分算法相关资料，并与蒙特卡罗方法进行比较以加深理解。",{"id":109,"question_zh":110,"answer_zh":111,"source_url":112},18480,"为什么公式 (2.30) 中的变量服从 t 分布？","该问题涉及统计推断中的抽样分布理论。虽然具体推导细节需结合上下文，但通常是因为在总体方差未知的情况下，用样本方差代替总体方差构造统计量时，该统计量会服从 t 分布。建议复习 t 分布的定义及其与卡方分布、正态分布的关系。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fpumpkin-book\u002Fissues\u002F61",{"id":114,"question_zh":115,"answer_zh":116,"source_url":112},18481,"图 2.5 代价曲线中，为什么说“所有线段下界围成的面积即为在所有条件下学习器的期望总体代价”？","取线段下界意味着在当前特定条件下选择了最优（即总代价最小）的分类策略。对所有线段的下界进行积分（围成面积），实际上是对所有可能的条件（如不同的正例概率或代价设置）都选取了各自的最优策略，从而得到了全局最优的期望总体代价。每个分段对应了不同条件下的最优分类策略（通常由阈值选择决定），而非同一策略在不同条件下的表现。",{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},18482,"如何更简便地对线性模型公式 (3.10) 进行求导？","可以采用矩阵微分的方法：对标量函数的迹（Trace）函数进行微分，首先得到对行向量求导的雅克比矩阵，然后将其转置即可得到对列向量求导的梯度矩阵。具体方法可参考张贤达著的《矩阵分析与应用》第三章第 2 节。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fpumpkin-book\u002Fissues\u002F62",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},18483,"降维公式 (10.31) 中的约束条件 ZZ^T = I 是如何得到的，有什么作用？","这个约束条件的主要作用是防止解退化为平凡解（即全零解 Z=0）。加上该约束后，相当于要求降维后的样本各维度特征之间必须保持正交性，这符合降维提取主要特征且互不相关的物理含义。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fpumpkin-book\u002Fissues\u002F69",{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},18484,"在集成学习章节的公式推导图片中，是否应该是两边同乘 1\u002F2？","是的，用户的观察是正确的，此处确实应该是两边同乘 1\u002F2。维护者已确认这是笔误，并将进行更正并登记到勘误表中。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fpumpkin-book\u002Fissues\u002F67",{"id":133,"question_zh":134,"answer_zh":135,"source_url":131},18485,"AdaBoost 个人推导部分（8.2.16）中，某处是否应该是 εt=0？","是的，这里是笔误，用户的理解是正确的，该处应为 εt=0。",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},18486,"西瓜书示例 1.1 中好瓜的敲声都是“浊响”，为什么图 1.2 假设空间中出现了“清脆”？","这是一个常见的误解。图 1.2 展示的是版本空间（Version Space），即所有与训练集一致（能正确分类所有好瓜和坏瓜）的假设集合。虽然训练集中的好瓜敲声都是“浊响”，但在假设空间中，只要某个假设（例如敲声为“清脆”的假设）能够排除掉所有的坏瓜并且包含所有的好瓜（在此例中可能通过其他属性如色泽、根蒂来区分），它就是合法的。不过，若三个特征全为通配符则会包含坏瓜，因此被排除。具体需检查该假设是否真的与训练数据冲突。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fpumpkin-book\u002Fissues\u002F60",{"id":142,"question_zh":143,"answer_zh":144,"source_url":145},18487,"计算学习理论公式 (12.12) 中，泛化误差期望与经验误差的关系使用交集是否妥当？","用户指出若要严格符合 PAC 学习定义的形式，可能需要对公式进行变换（如两边用 1 减去再取反）。如果在有限假设空间且可分（经验误差为 0）的假设下，将该情况作为条件概率处理可能在逻辑上更严谨。原公式中的交集形式在特定推导步骤下成立，但在最终形式化定义时需注意逻辑等价变换，避免得出矛盾结果（如出现“或”逻辑而非预期的“且”逻辑）。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fpumpkin-book\u002Fissues\u002F71",[147,152,157,162,167,172,177,182],{"id":148,"version":149,"summary_zh":150,"released_at":151},109035,"v2.0.0","1. 发布2.0版本的正式版\r\n2. 修复大量熬夜编写的bug","2023-11-17T15:26:40",{"id":153,"version":154,"summary_zh":155,"released_at":156},109036,"v1.9.9","1. 发布2.0版本的非正式版  \n2. 增加封面设计的相关信息  \n3. 修复至今已知的错误  \n4. 证明我们一直在持续创作","2023-03-04T14:58:15",{"id":158,"version":159,"summary_zh":160,"released_at":161},109037,"v1.4.0","1. 发布2.0版本的前四章\n2. 修正至今已知的错误\n3. 证明我们笔耕未辍","2022-10-23T16:45:01",{"id":163,"version":164,"summary_zh":165,"released_at":166},109038,"v1.1.0","1. 发布2.0版本的前3章\n2. 修正至今已知的错误\n3. 证明我们笔耕未辍","2022-09-17T15:00:59",{"id":168,"version":169,"summary_zh":170,"released_at":171},109039,"v1.0.3","更新若干内容&添加硬广","2021-04-15T14:46:47",{"id":173,"version":174,"summary_zh":175,"released_at":176},109040,"v1.0.2","2021年2月发布版本，修复了截至目前所有读者反馈的问题。","2021-02-18T13:01:20",{"id":178,"version":179,"summary_zh":180,"released_at":181},109041,"v1.0.1","正文更新至2020年6月14日，PDF中已修正编号。","2020-06-14T09:37:22",{"id":183,"version":184,"summary_zh":185,"released_at":186},109042,"v1.0.0","初步完成西瓜书里所有重点公式的推导和解析","2020-05-19T11:20:58"]