AI 与机器学习r2d3.us编辑精选
机器学习可视化入门（2015）
A visual introduction to machine learning (2015)
2015 — 2022，它一次次回到首页
黑点是上首页（≥ 50 分）的那次投稿，空心点是没冲上去的投稿，点越大分数越高。
导读
这是 R2D3 制作的交互式可视化教程（2015），用滚动动画和决策树示例带读者理解机器学习如何对数据分类。页面把抽象模型拆成逐步动画，是早期网页数据叙事的代表作，评论也集中讨论这种滚动动画形式的优缺点。
为什么经久不衰：它用极直观的动画把机器学习分类过程讲得清楚，虽有滚动叙事争议，仍是值得反复打开的入门经典。
HN 评论精选
视觉惊艳，但滚动叙事让文字与动画的观看关系难以协调。
动画令人惊叹，滚动阅读文章也很酷。但读文章时，你总要在文字何时进出屏幕、动画处在何处之间来回协调。
wodenokoto查看英文原文
The animation is amazing and scrolling through the article is really cool. But reading the article you are constantly stuck negotiating where the text is on and off screen and where the animation is.
滚动驱动的图文编排牺牲了可定位、回顾和阅读效率。
我意识到这可能是网页的趋势，但我个人很难适应这种呈现。内容很棒、好看、信息图清晰，滚动也极流畅。但它让我很难在脑中记住位置、跳回某处，或把图表和上下段一起看；想调大字号多看文字又会把版式弄坏。它影响我的整体理解和阅读速度。看到别处一片好评，我只能假设自己大脑还停留在旧时代。
thom查看英文原文
I realise this is probably the way the web is going, but I personally really struggle with this sort of presentation. The content is great, it looks lovely, the actual infographics are very clear, and unlike lots of sites, it actually scrolls very, very smoothly. But it makes it _so_ hard to bookmark something in your mind, or to skip back to something, or to view an infographic in the context of the next or previous paragraph, or any number of things that have been easy to do with text and images for thousands of years. Trying to change the text size in the hope that you can just view more text breaks everything. I find it really affects my overall comprehension of a piece, and the speed with which I can get through it. Given the universally positive comments elsewhere, I assume my brain is just wired for the dark ages.
过度动画干扰阅读；部分动画精彩，但整体冗余。
可视化很漂亮……但很多动画让我受不了。有些很棒，比如训练/交叉验证数据集的决策树弹珠机动画很精彩……但各种飞入和构建动画让我想跳过一半图表。
tel查看英文原文
Pretty visualizations... but many of the animations kill this for me. Some are great, animating the decision-tree-pachinko machine for training/CV data sets is fantastic... but all the swooping and building just made me want to skip half of the charts entirely.
推荐了可作补充的同类算法可视化资源。
亚马逊有类似讲单个算法的文章：https://mlu-explain.github.io/
torbTurret查看英文原文
Amazon has similar articles covering individual algorithms: https://mlu-explain.github.io/
历次讨论
同类还值得读
如何写一个拼写纠正器
How to Write a Spelling Corrector
Peter Norvig 用一个几十行的 Python 程序演示如何做拼写纠正：先用编辑距离（删除、插入、替换、换位）生成所有可能的候选词，再用从大量文本中统计出的词频概率，选出…
AI 与机器学习上首页 10 次 · 2007–2022norvig.com编辑精选面向黑客的概率编程与贝叶斯方法
Probabilistic Programming and Bayesian Methods for Hackers (2013)
《黑客的贝叶斯方法与概率编程》是一本开源的贝叶斯统计入门书，以 Python/PyMC 代码和交互式 Jupyter Notebook 为主线，强调“先实践、后数学”的学习路径，…
AI 与机器学习上首页 5 次 · 2013–2018camdavidsonpilon.github.io编辑精选神经网络黑客指南
Hacker's Guide to Neural Networks
Andrej Karpathy 写的神经网络入门教程，面向程序员，从最简单的表达式求导讲起，逐步推导出反向传播和梯度下降，最后引出神经网络。
AI 与机器学习上首页 4 次 · 2014–2019karpathy.github.io编辑精选神经网络能逼近任意函数的可视化证明
A visual proof that neural nets can approximate any function
这一章来自 Michael Nielsen 的在线书《Neural Networks and Deep Learning》，用 sigmoid 单元叠加成局部隆起/平滑阶跃的图示…
AI 与机器学习上首页 4 次 · 2014–2022neuralnetworksanddeeplearning.com编辑精选论乔姆斯基与统计学习的两种文化
On Chomsky and the Two Cultures of Statistical Learning
Norvig 回应 Chomsky 对统计语言模型批评的文章，围绕“统计学习能否解释语言”展开，比较生成与解释、少参数模型与 Shannon 式高参数统计模型。
AI 与机器学习上首页 4 次 · 2011–2025norvig.com编辑精选