机器学习
100775 机器学习
一、总述
1. 教材
-
Tom M. Mitchell (1997). Machine Learning. McGraw-Hill Education.
-
周志华. (2016). 机器学习. 清华大学出版社.
-
雷明. (2019). 机器学习原理、算法与应用. 清华大学出版社.
-
李航. (2012). 统计学习方法. 清华大学出版社.
注：以上为老师在课件中给出的参考资料，上课时以 PPT 为主。同时老师也推荐了吴恩达的机器学习课程。
2. 作业
2022 年春季学期的机器学习课程共包括 3 次实验，实验为组队完成，组员人数为 1-4 人。实验包括基础内容和加分内容。
每个小组需要在 3 次实验中选取 1 次实验进行课堂展示，每次实验的展示名额有限，先到先得。
实验内容如下。
-
实验 1 回归实验
-
基础内容
自行选取一个数据集进行回归预测。PPT 给出的实验流程包括数据预处理、模型选取与构建、训练与测试、可视化展示、优化与总结，下同。
-
加分内容
自行实现回归模型而不是调库；对调参（如学习率和正则化参数）进行讨论；特征工程等。
-
实验 2 分类实验
-
基础内容
自行选取一个数据集进行图片分类，要求使用传统机器学习算法和深度神经网络，并进行对比。
-
加分内容
本次实验的加分内容较为具体，包括：
-
手写实现传统分类算法：朴素贝叶斯分类，并设计实现基于最小风险的贝叶斯决策算法，应用于 cifar10 图片分类任务。
-
手写实现传统分类算法：决策树，并分析基于问题数据集特征的树生成与剪枝方法，应用于 cifar10 图片分类任务。
-
深度学习：分析说明深度卷积神经网络模型的超参数，分析各个网络层作用，分析深度卷积神经网络模型的可解释性，可视化分析过程。
-
深度学习：自主设计搭建合适的深度卷积神经网络，说明设计思路，也可优化改进已有的网络模型结构。
-
-
实验 3 聚类实验
-
基础内容
自行选取一个数据集进行聚类。
-
加分内容
本次实验没有加分内容。
由于 2022 年春季学期正值上海疫情爆发，因此取消了期末考试，修改为期末报告进行期末考核。期末报告的要求如下（以下内容为老师发布的原文）。
-
总结 3 次实验的心得体会。
-
讨论作业遇到的问题，结合本课程的学习，提出可能改进的方案设想。
-
实现方案中的一些设想，并讨论结果。
-
自我评价（对于本课程学习的自我评价，想拿优的同学注意了，这里特别要说清楚自己在大作业及期末报告中所做的工作亮点）。
期末报告的字数不做限制。
3. 课堂
每次课程结束后老师会提一个问题来做考勤，提交方式为写在纸上上交。线上上课时提交方式为拍照发给助教。
授课安排如下。
-
1-15 周
-
线性模型
-
决策树
-
人工神经网络
-
实验 1 回归实验的课堂展示
-
深度学习
-
贝叶斯学习
-
集成学习
-
实验 2 分类实验的课堂展示
-
聚类
-
降维
-
强化学习
-
实验 3 聚类实验的课堂展示
-
16 周
-
复习答疑
-
17 周
-
原定为考试，2022 年春季学期由于疫情取消考试，因此同样为复习答疑
二、任课教师
1. 10001 Li
老师脾气很好，同学们数次在课程群中匿名冲塔（主要针对部分小组课堂展示超时问题）也没有生气。