今天属于“多线程”运转的一天。人工智能数学基础、Java、Web三门课照常推进，课后的重头戏则是两头开花：一边把销售订单ERP管理系统的业务逻辑跑通了，另一边也完成了线性回归与对数几率回归的实验代码。
一、今天的课：理论打底 人工智能数学基础：继续跟公式和推导打交道。最近写机器学习的代码时，反而对课上的矩阵运算和概率模型有了更具体的感受，理论落在代码上，理解会扎实很多。
Java课：跟着老师的节奏走。之前做过订单管理系统，现在再听Java的面向对象和模块化设计，对“类与职责划分”的理解比之前更深了。
Web课：继续前端部分。今天完成ERP链接里的内容，正好把课上学的表单校验、状态展示这些前端交互用上了。
二、销售订单ERP系统：把业务规则跑通 今天完成了一个销售订单ERP管理系统的原型。虽然链接里的页面本身可能因域名解析问题打不开，但系统的核心设计逻辑是清楚的。
这个系统面向中小企业的销售运营场景，主要围绕三件事：客户、合同、开票。
客户管理：客户入网申请与审批，状态流转很明确——草稿 → 待审批 → 已通过 / 已驳回。支持新建、编辑、搜索和分页。审批和驳回都需要填写意见，驳回后客户可以修改并二次提交。
合同管理：起草合同时只能关联“已通过”的客户。合同编号按规则自动生成，比如产品销售合同会生成类似 C202610001 的编号。合同同样走审批流，审核通过之后才允许开票。
开票管理：这是业务校验最严格的一块。开票金额不能超过合同总额，累计开票金额也不能超。系统会实时计算并展示每张合同的欠票进度条，应收情况一目了然。
工作台：首页用统计卡配合图表展示整体经营状况，比如开票进度环形图、合同金额分布等。
在实现过程中，反复调试了几个关键校验：空备注审批拦截、超合同金额开票拦截、未审核合同不允许开票。这些规则写进代码之后，系统的业务闭环才算真正跑通。
三、机器学习实验：从加州房价到病马疝痛 另一个重头戏是Python实验，代码文件是 3946task1.py，完成了两个部分。
第一部分：加州房价一元线性回归 用 fetch_california_housing 数据集，以家庭收入中位数（MedInc）为输入，预测房价中位数（MedHouseVal）。数据按8:2划分训练集和测试集，训练 LinearRegression 模型，输出回归系数、截距、MSE和R²。最后用Matplotlib画出测试集散点图和回归直线，直观看到收入和房价的正相关关系。
第二部分：病马疝痛对数几率回归 读取 horse-colic.data 和 horse-colic.test，没有表头，28列，缺失值用 ? 表示。选了5个特征（手术、年龄、直肠温度、脉搏、呼吸频率），目标是把第23列映射成0/1二分类（1存活，2或3死亡/安乐死）。用训练集的中位数填补缺失值，再做标准化，然后训练 LogisticRegression。输出测试集预测为“死亡”的概率，以0.5为阈值计算准确率，并画了混淆矩阵。
代码里还分析了可能的误差原因：只用了5个特征，信息量不够；数据集本身较小且缺失值比例高，中位数填补会引入偏差；类别分布也不均衡。
跑通这两个实验，对“特征选择、缺失值处理、模型评估”这一套流程有了更具体的体感，不再是停留在公式层面。
四、今日小结 三门课都跟上了，ERP系统把客户、合同、开票的业务规则串了起来。
ERP里“累计开票不能超合同总额”这条校验反复调了几次，但跑通之后整个开票闭环就顺了。
机器学习实验从数据读取、预处理到模型训练和可视化，完整走了一遍，对回归和分类的流程理解更清楚了。
一天下来脑子转得挺快，但也确实需要让眼睛和颈椎休息一下。
五、明天计划 把ERP系统的代码和业务规则再梳理一遍，重点看状态流转和金额校验有没有遗漏。
机器学习实验的图表和结果解释整理进报告。
复习人工智能数学基础的相关章节，把今天代码里用到的数学原理对应着过一遍。