1什么是机器学习
用「找函数」的说法向家长解释什么是机器学习。
第 1 页 · 正面（题目）
2监督学习：有答案的学习
说出监督学习的三个要素，并举一个带标签数据的例子。
3回归与分类
给家长出三道「回归还是分类」的判断题并讲清理由。
4无监督学习：没有答案呢
说说聚类和降维各解决什么问题，举一个生活例子。
5损失函数：给错误打分
用平方误差给一组预测打分，比较两个模型谁好。
6梯度下降：下山找最优
用「蒙眼下山」向家长讲清梯度、学习率和局部最优三个词。
7过拟合与欠拟合
各举一个过拟合和欠拟合的生活例子，并说一种对治办法。
8训练集、验证集、测试集
解释三份数据各自的作用，以及测试集为什么只能用一次。
9特征工程与实战流程
为一个自选问题设计 5 个输入特征，并说说哪个可能最有用。
第 1 页 · 背面（答案）
参考答案（家长）：数据集（带标签样本）、模型（一族函数）、训练（调参逼近标签）；例子如标注过垃圾/正常的邮件。
参考答案（家长）：机器学习 = 从大量例子里自动学出一个输入到输出的函数，而不是人把规则写死；能说出数据是例子、函数是规律即可。
参考答案（家长）：聚类把相似样本自动分组（如歌曲分风格），降维把高维数据压缩保留主要信息（如用几个数字描述一个人）；例子合理即可。
参考答案（家长）：①回归（降雨量是连续数值）②分类（是/不是两类）③回归（评分是连续数值，若只有好/中/差三档则是分类）。
参考答案（家长）：梯度=坡度最陡方向，学习率=步子大小，局部最优=附近最低但未必全局最低的谷底；比喻自洽即可。
参考答案（家长）：把每个样本 (真实-预测)² 相加，总损失小者好；例如误差 2、3、1 的模型损失 4+9+1=14。
参考答案（家长）：训练集学规律、验证集调参挑模型、测试集最终评估；测试集反复用等于漏题，成绩虚高失去公正性。
参考答案（家长）：过拟合如死背真题（治：加数据/正则化/早停），欠拟合如用直线拟合弯曲趋势（治：更强模型/加特征）。
参考答案（家长）：如带伞问题：降水概率、云量、湿度、季节、历史同天气结果；能说明「好特征和目标有关、能稳定获取」即可。