/ML_hit

Let us begin to study machine learing

Primary LanguageMatlab

The Machine Learing Training in HIT

作业的发布与提交都在本git仓库中进行

相关资源：

  1. 机器学习视频网站--请与课程的进度保持同步。http://www.coursera.org/learn/machine-learning/
  2. matlab下载地址--windows & linux。链接: https://pan.baidu.com/s/1o787KeA 密码: ad6a
  3. 数据挖掘导论--作为补充材料。发布于群文件
  4. python学习网站。http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000#0
  5. numpy教程。https://docs.scipy.org/doc/numpy-dev/user/quickstart.html
  6. matplotlib教程。http://www.labri.fr/perso/nrougier/teaching/matplotlib/
  7. 其他好资源推荐。http://www.shareditor.com/bloglistbytag/?tagname=%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%95%99%E7%A8%8B

欢迎来到新手村，你需要完成以下训练：

  1. Task0——github的使用

    1. 注册github帐号
    2. star这个仓库
    3. 自学git及github的基础使用，并在自己电脑上配置好环境
    4. fork这个仓库，clone下你的仓库，在本地创建新的分支（不要使用默认的master分支）
    5. 在本地Task0/15/目录下，添加一个新的文件，以自己的github账户名作为markdown文件的文件名，如：helloworld.md
    6. 文件中可以写你想说的任何话（推荐写自己的座右铭）
    7. commit到本地仓库，然后将本地分支推送到remote
    8. 向原仓库的master分支发起pull request，等待合并分支

    请于第三周结束前完成以上内容。

  2. Task1——Linear Regression

    1. 加载数据Task1/q2x.dat，Task1/q2y.dat
    2. 使用线性回归算法拟合它们
    3. 画图观察梯度下降的过程,let it nice-looking:)。
    4. 结果图参考Task1/linear_regress.fig
    5. 在Task1/15/目录下提交你的结果图(jpg、png、fig)，以自己的github账户名作为文件名，如：sunyiyou.fig
    6. 学习python的基本语法
    7. 学习numpy框架的使用

    请于第四周结束前完成以上内容。

  3. Task2——Locally Weighted Linear Regression

    1. 加载数据Task2/q2x.dat，Task2/q2y.dat
    2. 使用加权线性回归算法拟合它们(请自行查阅局部加权线性回归的资料)
    3. 改变高斯函数的theta值，观察结果
    4. 画图，结果图参考Task2/weighted_linear_regress.fig
    5. 在Task2/15/目录下提交你的结果图(jpg、png、fig)与代码，以自己的github账户名作为文件名，如：sunyiyou.fig,sunyiyou.m
    6. 学习matplotlib框架的使用

    请于第五周结束前完成以上内容。