科学问题怎么变成模型

其余板块都在讲「从给定的数据里学」；这一套讲的是一条标签等于一次真实实验的时候，机器学习要怎么改。

不讲生物学，也不讲某个具体模型 —— 讲的是科学问题变成建模问题的那一步， 以及那一步上四个反直觉的地方：先验和数据可以互换（而且买的是速度不是上限）、 有对称性的问题要么换目标要么改结构、 💀 随机划分训练测试集在这里是作弊（同一份数据只改划分，R² 从 0.707 掉到 −1.199）、 以及「下一批实验做什么」本身就是个建模问题。 全书代码只用 numpy，不需要 GPU，每段都能复制到空文件直接跑。