《经典模型》是一门以机器学习中常用的、经典的模型未主要内容的课程。包括:线性回归、逻辑回归、人工神经网络、支持向量机、奇异值分解、线性判别分析等。课程要求学生熟练掌握机器学习基本概念;熟练掌握多种常见机器学习算法模型原理;熟练应用常见机器学习模型。通过学习本门课程,能够提升机器学习素养,强化机器学习基础,未后续课程做好铺垫。

 

1.  雪梨(平台)作业(共55分)

(8分);第一次作业:分别对下述机器学习名词或概念作出准确描述或解释。

(5分);第二次作业:构建K近邻与决策树算法模型,对比他们在同一任务中的性能

(5分);第三次作业:理解线性回归模型及正则化方法

(5分);第四次作业:理解二项逻辑回归与softmax回归,使用softmax回归完成多分类任务

(5分);第五次作业:利用反向自动微分法求解制定函数的偏导数;简述反向传播算法与梯度下降法的关系

(5分);第六次作业:求神经网络中不同任务的偏导数

(4分);第七次作业:构造神经网络模型完成分类任务

(5分);第八次作业:写出支持向量机学习算法流程

(5分);第九次作业:使用支持向量机模型完成分类任务

(3分);第十次作业:求解矩阵的特征值与特征向量

(3分);第十一次作业:利用奇异值分解对图片或其它数据进行降维与主成分分析

(2分);第十二次作业:在网上搜集资料,查找使用机器学习技术进行创新创业的案例,简述其创新点和特色点(写出2-5个案例)

特别说明,雷同作业一律0分;学生对作业判定结果有异议,可以找老师申诉,课程组经过综合考虑之后,给学生最终答复。

 

2.  平时表现

平时表现包括出勤、回答老师问题、解答同学问题、对本课程的教学提出一些建设性的建议等,该项总共占15分,老师平时做好记录,学期末对所有学生进行综合给分。

 

3. 期末考核  

为了检验学生对本课程知识的整体掌握情况,学期末对学生进行期末考核,该项占30分。特别说明,所有学生必须参加期末考核,不参加期末考核的学生最终成绩为不合格