机器学习可视化

网址：https://ml-visualized.com/

机器学习可视化是一个 Jupyter Book 项目，包含了一系列 Jupyter Notebook，这些笔记本从基本原理出发实现并推导机器学习算法的数学公式。

此外，还提供了使用 Marimo 构建的交互式 Notebook，允许用户直观地观察权重如何影响损失函数。

每个 Notebook 的输出都是机器学习算法在训练过程中的可视化展示，最终会收敛到最优的权重值。

每个机器学习算法都有一个独立的 GitHub 仓库。因此，本仓库仅包含用于配置和构建 Jupyter Book 的代码。从高层次来看，Jupyter Book 允许你使用 Markdown 文件和 Jupyter Notebook 来构建一个网站。请注意，本仓库中并不包含任何 Jupyter Notebook。我们提供了一个 Shell 脚本，可以从其他 GitHub 仓库下载所需的 Jupyter Notebook。完成下载后，即可构建 Jupyter Book。每当有提交或拉取请求时，GitHub Actions 将通过 .github/workflows/ci.yml 自动更新网站。如需在本地构建网站，请参阅下方的“使用方法”部分。

Jupyter Notebook 列表

• 神经网络仓库
• 逻辑回归仓库
• 感知机仓库
• 主成分分析仓库
• K 均值聚类仓库
• 梯度下降仓库

Jupyter Book 信息

本书的目录结构在 _toc.yml 中定义。

配置信息则在 _config.yml 中指定。

如需更多信息，请参阅 Jupyter Book 官方文档。

使用方法

第一步：下载 Jupyter Notebook

chmod +x ./download_notebooks.sh
./download_notebooks.sh

第二步：构建 Jupyter Book

方法一：使用 jupyter-book CLI

pip install -U jupyter-book
jupyter-book build .

方法二：使用 Docker Compose

docker compose run jupyter-book 
docker compose down --volumes --rmi local

方法三：直接使用 Docker

docker build -f Dockerfile.book -t jupyter-book .
docker run --rm -v "$(pwd)":/usr/src/app jupyter-book

docker stop jupyter-book
docker rm jupyter-book
docker rmi jupyter-book

第三步：打开 Jupyter Book

导航至 _build/html/index.html 即可查看。

构建 EPUB（新功能）

brew install --cask mactex
nbmerge $(ls chapter1/*.ipynb chapter2/*.ipynb chapter3/*.ipynb chapter4/*.ipynb | sort) -o book/combined.ipynb
jupyter nbconvert --to latex book/combined.ipynb

docker build -f Dockerfile.pandoc -t my-pandoc .
docker run --rm -v $(pwd):/data my-pandoc pandoc book/main.tex -o book/main.epub --mathml --embed-resources --standalone

输出效果

Marimo 交互式 Notebook

数学推导说明

Machine Learning Visualized 快速上手指南

Machine Learning Visualized 是一个基于 Jupyter Book 构建的开源项目，旨在通过从零开始的数学推导和代码实现，可视化展示机器学习算法的训练过程。项目包含交互式 Notebook（基于 Marimo），可直观观察权重变化对损失函数的影响。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux, macOS 或 Windows (需安装 WSL2 或 Docker Desktop)
• 核心依赖（任选其一方案）：
  • 方案 A (推荐): Python 3.8+ 及 pip
  • 方案 B: Docker 及 Docker Compose
• 可选依赖 (用于构建 EPUB):
  • macOS: brew install --cask mactex
  • Linux/Windows: 需手动安装 TeX Live 和 Pandoc

安装步骤

1. 克隆项目并下载笔记

首先克隆仓库，然后运行脚本下载各个算法独立的 Jupyter Notebook 文件（注意：主仓库不包含具体的 .ipynb 文件，必须执行此步骤）。

git clone https://github.com/gavinkhung/machine-learning-visualized.git
cd machine-learning-visualized

chmod +x ./download_notebooks.sh
./download_notebooks.sh

提示：如果下载速度较慢，可检查 download_notebooks.sh 脚本中的 GitHub URL，尝试替换为国内镜像源（如 ghproxy.com 前缀）进行加速。

2. 构建本地网站

您可以选择以下三种方式之一来构建本地的 Jupyter Book 网站：

选项一：使用 pip 安装 (最简便)

pip install -U jupyter-book
jupyter-book build .

选项二：使用 Docker Compose

docker compose run jupyter-book 
# 构建完成后清理容器
docker compose down --volumes --rmi local

选项三：使用原生 Docker

docker build -f Dockerfile.book -t jupyter-book .
docker run --rm -v "$(pwd)":/usr/src/app jupyter-book

# 清理资源
docker stop jupyter-book
docker rm jupyter-book
docker rmi jupyter-book

基本使用

构建成功后，您需要在浏览器中打开生成的静态网页来查看可视化的机器学习算法演示。

1. 打开页面： 在文件管理器中导航至项目根目录下的 _build/html/ 文件夹，双击打开 index.html；或在终端使用以下命令（macOS/Linux）：

   open _build/html/index.html
   # Linux 用户可能需要使用: xdg-open _build/html/index.html
   

2. 浏览内容：

   • 算法推导：点击左侧目录选择不同算法（如神经网络、逻辑回归、K-Means 等），查看详细的数学公式推导（LaTeX 渲染）。
   • 动态可视化：滚动页面查看算法训练过程中的动态图表，观察模型如何收敛至最优权重。
   • 交互实验：如果构建了 Marimo 交互式笔记，您可以调整参数实时观察权重变化对损失函数曲面的影响。

(可选) 构建 EPUB 电子书

如果您希望将内容导出为电子书格式，可执行以下命令（需预先安装 MacTeX 和 Pandoc）：

nbmerge $(ls chapter1/*.ipynb chapter2/*.ipynb chapter3/*.ipynb chapter4/*.ipynb | sort) -o book/combined.ipynb
jupyter nbconvert --to latex book/combined.ipynb

docker build -f Dockerfile.pandoc -t my-pandoc .
docker run --rm -v $(pwd):/data my-pandoc pandoc book/main.tex -o book/main.epub --mathml --embed-resources --standalone