Не «прочитай определение», а «увидь, что он делает». Каждый алгоритм — интерактивная визуализация, пошаговый разбор и исходный код с подсветкой активной строки.
Кластеры по плотности: core-точки расширяются, шум честно помечается.
Выбор/расширение/симуляция/бэкпроп: статистика вместо полного перебора.
Класс новой точки — голосование k ближайших: «скажи, кто твои соседи».
Кластеризация без учителя: центроиды притягивают точки, точки перетягивают центроиды.
Тот же ответ, что минимакс — но ветки, не влияющие на решение, не раскрываются.
Отбор → кроссовер → мутация: эволюция без градиентов.
Спуск по склону функции ошибки: шаг против наклона, пропорционально ему.
Вопросы по приросту информации: дерево само выбирает, что спросить.
Прямая через точки с минимальной суммой квадратов ошибок: y = kx + b.
Сигмоида превращает прямую в вероятность класса 0..1.
Гарантированный результат игры: максимизируем минимум, который оставит соперник.
Теорема Байеса с наивной независимостью: произведение вероятностей признаков.
Один нейрон учится разделять классы: ошибка сдвигает веса.