lynne294 / ml_hit

Let us begin to study machine learing

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：

• 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/
• matlab下载地址--windows & linux。链接: https://pan.baidu.com/s/1o787KeA 密码: ad6a
• 数据挖掘导论--作为补充材料。发布于群文件
• python学习网站。http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000#0
• numpy教程。https://docs.scipy.org/doc/numpy-dev/user/quickstart.html
• matplotlib教程。http://www.labri.fr/perso/nrougier/teaching/matplotlib/
• 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

   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。

####6. Task5——Support Vector Machine

1. 自行学习libsvm工具箱的使用(python/matlab)

2. 在matlab或python环境下配置libsvm

3. 成功运行、阅读并理解代码Task5/main.m，基本掌握libsvm的使用(例子中是回归SVM)

4. 加载数据Task5/q1x.dat，Task5/q1y.dat

5. 使用SVM对它们做分类

6. 在Task5/15/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

7. 不建议手撸SVM，学长已趟过坑:)

   支线任务：

   • 在图中用特殊记号标出被作为支持向量的点
   • 调整参数"-c"和"-g"并比较支持向量的分布情况

请于第十周结束前完成以上内容。