这是李宏毅2021春季机器学习教程的作业1,本篇文章是作业介绍,内附数据下载,具体解答看下一篇文章。
目录
目标(Objectives)
- 用深度神经网络(DNN)解决回归问题(Solve a regression problem with deep neural networks (DNN))
- 知道基础的DNN训练技巧,如超参数调整、特征选择、正则化(Understand basic DNN training tips e.g. hyper-parameter tuning, feature selection, regularization)
- 熟悉PyTorch(Get familiar with PyTorch)
任务描述(Task Description)
新冠病毒案例预测。给定美国特定州过去三天的调查结果,预测第三天新的测试样本新冠阳性的概率/百分比。(COVID-19 Cases Prediction.Given survey results in the past 3 days in a specific state in U.S., then predict the percentage of new tested positive cases in the 3rd day.)
调查的属性(Features)
州信息等。
数据(Data)
训练数据2700例,测试数据893例(最后一列未知,需要模型预测)。数据下载点李宏毅2021春季机器学习教程HW1数据.rar。
评估指标(RMSE)
本作业使用的评估指标为Root Mean Squared Error (RMSE)。
助教给的调参建议(Hints)
- 特征选择(Feature selection -what other features are useful?)
- DNN结构:层数,维度,激活函数(layers? dimension? activation function?)
- 训练:mini-batch,optimizer,learning rate
- L2 regularization
说明:记录学习笔记,如果错误欢迎指正!写文章不易,转载请联系我。