机器学习模拟器

AdaBoost 模拟器 — 弱分类器的提升

AdaBoost Simulator — Boosting Weak Classifiers

机器学习

AdaBoost 模拟器学习弱分类器的提升机制。迭代应用决策树桩和样本权重变化的二维可视化，理解集成学习的精度提升机制。

AdaBoost提升集合学习决策树桩

Adam 优化器 模拟器

Adam Optimizer Simulator

机器学习

Adam优化器模拟器：学习率、β₁、β₂参数影响实时可视化。动量和自适应学习率的组合体验。

Adam优化器自适应学习率矩

1D 线性自编码器·模拟器 — 与PCA等价的压缩重构

1D Linear Autoencoder Simulator — Compression Equivalent to PCA

机器学习

1D线性自编码器的压缩与重构模拟。通过SGD训练可视化PCA等价性。学习次元降减和信号处理基础。

自编码器线性AE维数减少PCA

批量归一化模拟器

Batch Normalization Simulator

机器学习

深度学习批量归一化（Batch Normalization）可视化免费模拟器。改变批次均值·标准差、缩放参数γ、移位参数β，实时确认活性值的归一化值x̂和BN输出y、内部协变量漂移的抑制效果。

批量归一化Batch Normalization深度学习内部协变量转变

偏差·方差 权衡 模拟器

Bias-Variance Tradeoff Simulator

机器学习

将机器学习的泛化误差分解为偏差、方差和噪声的可视化模拟器。理解过拟合与欠拟合的权衡，探索最优的模型复杂度。

偏差方差权衡过拟合欠学习

协同过滤 模拟器

Collaborative Filtering Simulator

机器学习

免费协同过滤模拟器，体验基于用户的协同过滤工作原理。改变评分矩阵、邻域数 k、相似度指标（余弦/皮尔逊）和稀疏度，实时可视化推荐系统如何预测评分、预测误差和相似用户。

协同过滤推荐系统推荐余弦相似度

混淆矩阵中的 Precision·Recall·F1模拟器

Confusion Matrix Metrics Simulator

机器学习

混淆矩阵指标模拟器：实时计算precision、recall、F1、specificity，可视化假阳性假阴性权衡，帮助工程师优化分类模型性能评估。

交叉熵 vs MSE 损失模拟器

Cross-Entropy vs MSE Loss Simulator

机器学习

交叉熵与MSE损失函数对比模拟器，可视化二分类问题中两种损失函数的梯度差异，实时调整逻辑值与标签观察损失变化，适合深度学习工程师理解损失函数选择原理。

交叉熵MSE损失函数梯度消失

k-折 交叉验证模拟器

k-Fold Cross-Validation Simulator

机器学习

免费 k 折交叉验证（k-fold cross-validation）在线模拟器：调节样本数 N、分割数 k、模型复杂度、噪声与偏差，实时计算训练 MSE、CV MSE、标准误差与泛化差距，直观理解偏差方差权衡并判断过拟合。

k-fold交叉验证cross-validation过拟合

DBSCAN模拟器 — 密度聚类

DBSCAN Simulator — Density-Based Clustering

机器学习

DBSCAN 密度聚类的实时模拟器。改变 ε 和 MinPts 参数，学习核心点、边界点、噪声判定和任意形状聚类检测。

DBSCAN密度聚类机器学习无监督学习

决策分析·期望值计算工具

Decision Analysis

机器学习

通过期望货币价值(EMV)和概率分析识别最优选择。决策树·敏感性分析·龙卷风图表实时可视化。

决策树期望值敏感性分析决策

决策树不纯度指标 — Gini·Entropy·误分类率的比较

Decision Tree Impurity — Gini, Entropy and Misclassification

机器学习

决策树不纯度指标（基尼系数、熵、误分类率）比较。2分类问题的分割标准可视化，理解CART和熵的选择原因。

决策树不纯度Gini熵

Dropout 正则化模拟器

Dropout Regularization Simulator

机器学习

免费的神经网络 Dropout 正则化模拟器。改变保留概率 p、层神经元数、随机数种子，实时可视化随机 Dropout 掩码、保留数的二项分布、1/p 缩放、子网络总数 2ⁿ。

Dropout正则化神经网络过拟合

Elastic Net 回归 模拟器 — L1+L2 混合正则化

Elastic Net Regression Simulator

机器学习

弹性网络回归（Zou & Hastie 2005）的混合比 α 和正则化强度 λ 实时可视化特征选择数、有效自由度、真阳性率、假阳性率、MSE。Lasso 和 Ridge 的中间形式，能进行相关特征的分组选择，是免费的学习模拟器。

Elastic Net弹性网L1正则化L2正则化

EM算法（一维GMM）模拟器

机器学习

面向相邻设计条件与主要指标的专题入口，适合在同一主题内选择下一项工具前使用。

EM 算法与高斯混合模型 (GMM) 模拟器

机器学习

期望最大化 (EM) 算法与高斯混合模型 (GMM) 在线模拟器：调整混合成分数 K、样本数、迭代次数、真实重叠度与协方差类型，实时观察对数似然收敛、AIC/BIC 模型选择与聚类质量 ARI。。

高斯过程回归 — RBF内核和95%置信区间

Gaussian Process Regression — RBF Kernel & 95% Confidence Band

机器学习

高斯过程回归和RBF核的交互式模拟器。1维数据的预测和不确定性量化实时可视化。通过调整长度尺度、信号方差来实验置信区间估计精度。

高斯过程GP回归RBF内核贝叶斯推断

遗传算法优化模拟器

Genetic Algorithm

机器学习

遗传算法优化模拟器可实时可视化Rastrigin、Ackley函数等困难基准的优化过程。分析GA搜索算法的适应度收敛。

遗传算法优化进化计算元启发式

梯度提升 模拟器

Gradient Boosting Simulator

机器学习

梯度提升模拟器，学习回归树堆积原理。过拟合·学习率·树深度实时验证。机器学习算法。

梯度提升提升集合学习回归树

梯度裁剪 模拟器

Gradient Clipping Simulator

机器学习

梯度裁剪模拟器在线体验深度学习梯度爆炸防止。范数裁剪和值裁剪效果实时可视化，验证梯度范数和学习率优化。

梯度裁剪梯度爆炸exploding gradients范数裁剪

带动量的梯度下降法模拟器

Gradient Descent with Momentum Simulator

机器学习

动量梯度下降法模拟器：调整学习率、动量系数，实时可视化梯度下降法、动量法、Nesterov加速梯度的收敛行为。用于理解机器学习优化算法。

梯度下降动量Nesterov加速梯度机器学习

梯度下降法·优化算法可视化

Gradient Descent

机器学习

梯度下降法模拟器，在2D损失函数上实时可视化SGD、Adam、RMSprop等优化算法的动作。直观理解机器学习的收敛过程。

梯度下降AdamSGDRMSprop

层次聚类模拟器 — 凝聚型和树状图

Hierarchical Clustering Simulator — Agglomerative & Dendrogram

机器学习

层次聚类模拟器可实时可视化凝聚型聚类和树状图。对比链接方法和距离阈值，是学习和比较的最佳工具。

层次聚类凝聚型树状图链接方法

图像卷积核 模拟器

Image Convolution Kernel Simulator

机器学习

免费的实时图像卷积模拟器，使用3×3卷积核。切换锐化、模糊、边缘提取、索贝尔、浮雕等卷积核，观察与输入图像的卷积结果和扫描线轮廓，直观学习卷积神经网络（CNN）的工作原理。

图像卷积内核滤波器CNN

K-折交叉验证模拟器 — 多项式回归的阶数选择

K-Fold Cross-Validation Simulator — Polynomial Degree Selection

机器学习

K-分割交叉验证模拟器用于多项式回归的最优次数选择。通过训练误差和验证误差检测过学习，学习模型选择和超参数优化。

交叉验证K-fold多项式回归模型选择

k-均值聚类 模拟器

k-Means Clustering Simulator

机器学习

k-means聚类模拟器用于可视化无监督学习算法。通过动画展示聚类数优化和WCSS收敛。完美理解Lloyd算法、肘部法则。

k-均值聚类机器学习WCSS

k 近邻法（k-NN）2D 分类模拟器 — 决策边界和 LOO 精度

k-NN 2D Classifier Simulator — Decision Boundary and LOO Accuracy

机器学习

k-NN 2D分类模拟器可视化决策边界。学习k值、查询点变化时的LOO交叉验证精度。最适合机器学习算法验证。

k 近邻法k-NN分类机器学习

Kriging 代理模型 模拟器 — 高斯过程回归

Kriging Surrogate Model (Gaussian Process Regression) Simulator

机器学习

Kriging（高斯过程回归）代理模型的预测值、95%置信区间、对数边际似然、RMSE 在 SE/Matérn3-2/Matérn5-2 核函数下的可视化。从少量高成本评估点构建光滑插值函数的设计优化免费工具。

Kriging高斯过程回归GPR代理模型

学习曲线模拟器 — 过拟合·欠学习的诊断

Learning Curve Simulator — Diagnose Overfitting & Underfitting

机器学习

学习曲线模拟器，用于诊断机器学习模型的过度拟合与欠拟合。可视化训练误差和验证误差，实时观察正则化和数据量的影响。

学习曲线过拟合欠学习偏差·方差

学习率计划 模拟器

Learning Rate Schedule Simulator

机器学习

神经网络学习率计划(步长衰减·指数衰减·余弦退火)可视化模拟器。实时计算每个epoch的学习率变化和优化行为，可视化梯度下降的学习过程。

学习率学习率计划步衰减指数衰减

线性SVM模拟器 — 软边界2D分类

Linear SVM Simulator — Soft-Margin 2D Classification

机器学习

线性SVM模拟器可视化2D分类。最小化合页损失和L2正则化，学习支持向量与决定边界的关系。深化对机器学习的理解。

线性SVM支持向量机软边界铰链损失

逻辑回归（2D 二分类）模拟器

Logistic Regression (2D Binary Classifier) Simulator

机器学习

逻辑回归的2类分类模拟器。使用S形函数和交叉熵损失通过梯度下降法最小化，可视化学习率、正则化的影响。掌握机器学习基础。

逻辑回归Sigmoid函数交叉熵梯度下降

高斯 朴素贝叶斯分类模拟器 — 2D 三分类

Gaussian Naive Bayes Classifier Simulator — 2D, 3 Classes

机器学习

高斯朴素贝叶斯分类的2D 3类可视化模拟器。实时查看决策边界和后验概率。学习机器学习分类算法。

朴素贝叶斯高斯分类机器学习

神经网络可视化工具

Neural Network

机器学习

直观学习神经网络工作原理的可视化工具。实时可视化前向传播和反向传播，通过XOR问题学习过程深入理解机器学习核心。显示激活函数、损失曲线、决定边界，适合初学者到中级学习者深入学习的教育工具。

神经网络反向传播XOR机器学习

主成分分析（PCA）模拟器 — 2D 数据的特征值分解

Principal Component Analysis (PCA) Simulator — Eigendecomposition for 2D Data

机器学习

主成分分析（PCA）シミュレーター：2D データの固有値分解と次元削減を可視化。固有ベクトル、寄与率、共分散行列を対話的に学習できます。

PCA主成分分析协方差矩阵特征值

感知器学习模拟器 — 线性分类器的收敛

Perceptron Learning Simulator — Linear Classifier Convergence

机器学习

感知器学习模拟器是一个浏览器上的交互式工具，用于执行2输入简单感知器 y = sign(w1·x1 + w2·x2 + b) 的学习规则，可视化线性可分2类数据的决策边界收敛过程。可调整学习率、迭代次数和初始权重。

感知器简单感知器线性分类决策边界

策略梯度法模拟器 — 强化学习

Policy Gradient Simulator

机器学习

策略梯度法（REINFORCE）的实时可视化演示。体验强化学习中的连续行动控制和高斯策略优化。可以确认基线效应的模拟器。

策略梯度法REINFORCE强化学习基线

池化层模拟器 — CNN

Pooling Layer Simulator — CNN

机器学习

CNN池化层的免费实时可视化模拟器。在最大池化和平均池化之间切换，改变池大小、步幅、输入特征图，查看输出大小、下采样率、运算次数。直观学习卷积神经网络的下采样机制。

池化层最大池化平均池化下采样

Q学习模拟器 — 强化学习网格世界

Q-Learning Simulator — Reinforcement Learning Gridworld

机器学习

Q学习模拟器体验强化学习基础。在网格世界中实时确认价值函数的收敛和代理学习。优化学习率、折扣率、探索率。

Q学习强化学习网格世界ε-贪心

随机森林的多数投票 — 装袋和方差低减

Random Forest Majority Vote — Bagging and Variance Reduction

机器学习

随机森林多数表决算法详解，通过装袋法与特征子采样训练决策树集成模型，理解方差降低原理与决策边界优化。

随机森林装袋自助法多数投票

L1/L2正则化模拟器 — Lasso和Ridge

L1/L2 Regularization Simulator — Lasso vs Ridge

机器学习

L1/L2正则化模拟器：Lasso·Ridge正则化抑制过学习和系数缩小的可视化工具。正则化强度λ的影响实时对比。

L1正则化L2正则化LassoRidge

Softmax和交叉熵损失 — 分类学习的核心

Softmax and Cross-Entropy Loss — Core of Classification

机器学习

通过模拟理解Softmax与交叉熵损失的工作原理。交互式学习logit变换、概率计算、温度参数的影响，分类学习教育工具。

Softmax交叉熵crossentropy分类

谱聚类 模拟器

Spectral Clustering Simulator

机器学习

谱聚类交互式模拟：RBF、k-NN、余弦亲和矩阵，正规化图拉普拉斯算子 L=D^-1/2(D-W)D^-1/2 特征值分解，半月形、同心圆等非凸数据完美分离的特征向量法可视化。k-means 比较改进率、特征值间隙、内存使用量实时计算。

谱聚类图拉普拉斯特征值分解特征向量

SGLD 随机梯度朗之万 模拟器

Stochastic Gradient Langevin Dynamics (SGLD) Simulator

机器学习

SGLD（随机梯度朗之万动力学）贝叶斯事后分布采样工具。调整步长、批大小、噪声强度，实时监控有效样本数ESS、混合时间、Gelman-Rubin R̂。学习概率梯度法、MCMC采样器设计。

SGLDStochastic Gradient Langevin DynamicsWelling TehBayesian Deep Learning

TF-IDF 矢量化模拟器

TF-IDF Vectorizer Simulator

机器学习

TF-IDF向量化模拟器让您体验文章的数值转换。实时计算TF值、IDF值、权重，理解机器学习的特征提取。文本分析·自然语言处理。

TF-IDF自然语言处理特征量矢量化

Transformer 注意力基础模拟器

Transformer Attention Basics Simulator

机器学习

Transformer 核心的缩放点积注意机制，用3个令牌即刻体验的免费模拟器。改变各令牌的方向向量、查询、温度，注意力权重、softmax、输出向量、注意力熵实时呈现。

Transformer注意力自注意缩放点积

权重初始化模拟器 — Xavier·He

Weight Initialization Simulator — Xavier & He

机器学习

深层神经网络权重初始化模拟。Xavier·He初始化方法通过活性化分布的变化可视化，分析梯度消失与梯度爆炸。

权重初始化Xavier初始化He初始化梯度消失