/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：

###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

    支线任务：

    • 学习python的基本语法
    • 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

    支线任务：

    • 学习matplotlib框架的使用

请于第六周结束前完成以上内容。

####4. Task3——Logistic Regression

  1. 加载数据Task3/q1x.dat，Task3/q1y.dat

  2. 使用逻辑斯底回归算法对它们进行分类

  3. 结果图参考Task3/logistics_regress.fig

  4. 在Task3/15/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

    支线任务：

    • 使用python实现上述过程
    • 用牛顿法取代梯度下降法实现算法

请于第七周结束前完成以上内容。

####5. Task4——Simple Neural Network

  1. 自行学习matlab神经网络工具箱的使用

  2. 阅读未完成的代码Task4/main.m，并补充必要部分

  3. 结果图参考Task4/main.png

  4. 在Task4/15/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

    支线任务：

    • 有能力与毅力同学可以手撸BP网络来实现上述过程，将使你对神经网络的理解上一个台阶:)

请于第八周结束前完成以上内容。