L12｜中文 F3 學生的學習紀錄

角色設定：我是中三學生，只看得懂中文。Python 學過變數、for 迴圈和 list，數學讀到一元二次方程。我靠中文課程筆記、YouTube 自動翻譯字幕和查字典來學。Kaggle 筆記本的操作步驟，是依官方 notebook 流程寫下的練習紀錄。

我讀懂了什麼（用自己的話）

分群就是把很像的東西放在同一堆。
均值漂移：每個點看看附近的點，往它們的中心走，走幾次就聚成一團。
高斯核讓近的點說話比較大聲，遠的點幾乎沒影響。
einsum 是一種很短的寫法，用字母代表維度。

我卡住的地方，和我怎麼解決

卡住的地方	我怎麼解決
einsum 的字母規則看不懂	只記一個例子：'ik,kj->ij' 就是矩陣乘法，k 是被加總掉的維度。
CUDA kernel 太難	先理解成「讓 GPU 上幾千個小工人各算一格」，程式細節跳過。

練習作答

Q1. 點 A(0,0) 和點 B(3,4) 的歐氏距離是多少？

用畢氏定理：√(3² + 4²) = √25 = 5。

Q2. 均值漂移中，為什麼要用高斯核當權重，而不是所有點一樣重要？

因為遠的點通常屬於別的群，如果權重一樣，點會被拉到所有點的中心，分不出群。高斯核讓附近的點影響大、遠的點影響小，點才會聚到自己那群的中心。

Q3. 舉一個生活中可以用「分群」解決的問題。

學校飯堂可以把學生的午餐選擇分群，發現有一群人常選素食、一群常選麵食，再決定每天準備多少份。

我的卡片盒筆記

卡片｜物以類聚可以寫成一個演算法

均值漂移分群的想法很直覺：每個點都往身邊夥伴的中心靠近，走幾輪之後，相似的點自然聚成一群。重點是越近的夥伴影響越大，這就是高斯核的作用。

這讓我想到開學第一週的班上。大家一開始坐得很散，每天下課都往聊得來的同學那邊靠一點，兩週後就自然分成打球的、畫畫的、打機的幾群，沒有人規定要分幾組。這跟均值漂移不用事先決定群數一模一樣。不過我覺得人的分群會變，演算法的點只會一直往中心走，現實比模型複雜。那時班主任沒有強迫大家分組，只是安排了幾次小組活動，讓大家有機會互相靠近。演算法裡的高斯核，好像就是在決定「誰算是我的鄰居」。

這週我要做的小行動：用紙畫 10 個點，手動做兩輪「移到附近點的平均位置」，看看它們會不會聚成兩群。

🔗 推薦產生關聯的筆記： → 數學類：「畢氏定理是距離計算的基礎」 → 社會觀察類：「群體是一步步靠攏形成的」 → 資料分析類：「不知道要分幾群時，先讓資料自己說話」

回到課程筆記：L12_均值漂移分群_202611041526