整理了一张“机器学习相关算法与概念速览表”，既包含定义，也配上了容易记住的例子，让大家一眼就能抓住它们的特点：

🤖 机器学习与相关算法&概念

名称	定义	生动例子	典型应用场景
回溯算法	通过不断尝试和回退来寻找问题解的一种方法，遇到死胡同时回到上一步重新尝试	解迷宫：走到死路就原路返回，换另一条路走	组合优化、路径搜索（如数独求解、八皇后问题）
贪心算法	每一步都做出当前看起来“最优”的选择，期望最终得到全局最优解	找零：用面额最大的硬币优先，直到凑够总金额	最短路径（Dijkstra）、区间调度、哈夫曼编码
回归算法（线性回归）	用一条直线（或超平面）来拟合数据关系，预测连续变量	预测房价：根据面积和房龄估算价格	销售额预测、趋势分析、风险评估
算法超参数	在训练前设定的参数，不随数据直接更新，需要人工或自动搜索	烤蛋糕的温度和时间：烤之前就要设定好，否则成品会变味	学习率、树深度、正则化系数等调优
多项式时间	算法运行时间随输入规模 n 的多项式关系增长（如 n²、n³），通常可接受	整理书架：书本数量翻倍，整理时间变成原来的4倍（n²）	可扩展性评估、算法复杂度分析
朴素贝叶斯分类算法	基于贝叶斯定理，并假设特征之间相互独立的分类算法	垃圾邮件过滤：假设邮件中“中奖”出现就大大增加是垃圾邮件的概率	文本分类、情感分析、疾病诊断

💡 Tips

• 回溯和贪心都是“策略”类算法，前者更全面但慢，后者更快但不保证全局最优

• 回归算法、朴素贝叶斯是机器学习模型本身

• 多项式时间是算法复杂度的一个衡量

• 超参数是模型训练中的可调“旋钮”，选得好性能飙升

• 整理 by Moshow郑锴@https://zhengkai.blog.csdn.net/