Dictionary of Applied Machine Learning

应用机器学习词典——配套仓库

应用机器学习词典（课程版，CC BY 4.0）的配套代码：包含 107 个机器学习术语，每个术语都有精确定义和交叉引用，并附有引文、排版精美的 PDF，以及一个会重新计算词条所述内容的 Python 演示。

目录	内容
notebooks/	每个术语对应的 Python 演示，均为 Jupyter 笔记本；在演示页面上单击一次即可在 Colab 中打开
mldict/	mldict.sty：将词典中的符号记法封装为 LaTeX 宏包（\usepackage{mldict}）
mcp/	一个向 AI 助手（Claude Code、VS Code Copilot，……）提供词典内容的 MCP 服务

笔记本和 mldict.sty 均由词典的源文件生成；请在源文件中修改，而不是在此处修改。词典本身——定义、符号列表和各术语的 PDF——位于 dictionaryofml.org；完整内容也以机器可读格式发布于 terms.json，并通过 llms.txt 为大模型爬虫编制索引。

来源与免责声明

本仓库中的源代码（演示笔记本、LaTeX 宏包、MCP 服务）是在作者审核下借助大模型（LLM）创建的。代码按“原样”提供，不作任何形式的保证：使用风险自负；依赖这些代码前，请独立核验结果。

发布前会对 Python 演示进行基本检查：

• 每个演示都会运行自身的 check() 断言，检查其计算出的量，并使用固定的随机种子以确保可复现；
• ruff check --select F（仅检查正确性规则：未定义和未使用的名称）；
• bandit，仅检查 exec/eval/命令注入相关问题（B102、B307、B602、B605）——唯一的有意例外是 llm 演示，其主题就是执行输出代码的 LLM 封装器；
• 项目专用的检查工具，用于检查图表样式，以及确保演示中的说明不超出词典条目引入的概念范围。

这些检查只能筛查问题，不能证明代码正确。

这些演示会导入两个第三方包：numpy 和 matplotlib（在 Colab 中均已预装）；源仓库固定了它们的确切版本，因为只有使用指定版本组合，已提交的图表数据才能按字节复现。

MCP 服务

pip install -r mcp/requirements.txt
claude mcp add --scope user dictionaryofml -- python /path/to/mcp/server.py

工具：list_all_terms、lookup_term、search_terms、get_related_terms。内容从网站的 terms.json 获取，并缓存一天。

引用

@misc{dictml,
  author = {Jung, Alexander and Olioumtsevits, Konstantina and Schnoor, Ekkehard},
  title = {Dictionary of Applied Machine Learning (course edition)},
  doi = {10.5281/zenodo.21569296},
  note = {ISBN 978-952-64-3013-3, CC BY 4.0},
  url = {https://dictionaryofml.org}
}

每个术语页面都附有自己的“引用此条目”BibTeX 代码块。本仓库是课程版的配套项目，与受版权保护的 Springer 应用机器学习词典 相互独立。

许可证

CC BY 4.0。由 Aalto University 的 Alexander Jung 维护；欢迎通过 dictionaryofml.org 上提供的地址提交勘误和建议。