李宏毅-预测PM2.51实验目的巩固课堂所学知识，学习使用LinearRegression中梯度下降预测模型，并将所学运用至实践，根据从空气质量监测网下载的观测数据，使用LinearRegression预测出空气污染指数(即PM2.5)的数值。2实验要求•不可以使用numpy.linalg.lstsq•可以使用pandas库读取csv文件数据信息(其他库亦可)•必须使用线性回归，方法必须使用梯度下降法•可以使用多种高阶的梯度下降技术（如Adam、Adagrad等）•程序运行时间不得大于3分钟3实验环境3.1硬件环境笔记本电脑、IntelCorei53.2软件环境windows10操作系统、Py
目录重磅须知我维护的其他项目其他优质课程（建议关注，以免迷路哈哈哈）更新日志2021课件及作业资料（已完结）2022课件及作业资料（已完结）重磅须知 （重磅须知，统一说明）为方便所有网课资料与优质电子书籍的实时更新维护，创建了一个在线实时网盘文件夹；网盘获取方式：公众号【啥都会一点的研究生】，本节课对应序号【05】； UP将2021&2022所有作业的数据资料整理打包好了，由于文件太大，已同步放在上述所提在线网盘； 在线网盘能满足该课程所需资料的全部需求，链接挂掉也会及时更新，祝大家学习顺利； 2022仅在2021基础上进行小补充，2021内容变成了前置知识，UP会在视频标题打上2022
目录重磅须知我维护的其他项目其他优质课程（建议关注，以免迷路哈哈哈）更新日志2021课件及作业资料（已完结）2022课件及作业资料（已完结）重磅须知 （重磅须知，统一说明）为方便所有网课资料与优质电子书籍的实时更新维护，创建了一个在线实时网盘文件夹；网盘获取方式：公众号【啥都会一点的研究生】，本节课对应序号【05】； UP将2021&2022所有作业的数据资料整理打包好了，由于文件太大，已同步放在上述所提在线网盘； 在线网盘能满足该课程所需资料的全部需求，链接挂掉也会及时更新，祝大家学习顺利； 2022仅在2021基础上进行小补充，2021内容变成了前置知识，UP会在视频标题打上2022
文章目录【李宏毅《机器学习》2022】作业1：COVID19CasesPrediction(Regression)作业内容1.目标2.任务描述3.数据4.评价指标代码1.下载数据2.导入软件包3.定义公用函数（这一部分不需要修改）4.数据集5.神经网络模型6.特征选择7.训练器8.超参数设置9.加载数据10.开始训练11.可视化训练过程12.保存测试集结果13.改进方案13.1.选择更有效的特征13.2.修改模型13.3.修改优化器14.测试结果【李宏毅《机器学习》2022】作业1：COVID19CasesPrediction(Regression)【作业1】来源作业内容1.目标Solvear
文章目录【李宏毅《机器学习》2022】作业1：COVID19CasesPrediction(Regression)作业内容1.目标2.任务描述3.数据4.评价指标代码1.下载数据2.导入软件包3.定义公用函数（这一部分不需要修改）4.数据集5.神经网络模型6.特征选择7.训练器8.超参数设置9.加载数据10.开始训练11.可视化训练过程12.保存测试集结果13.改进方案13.1.选择更有效的特征13.2.修改模型13.3.修改优化器14.测试结果【李宏毅《机器学习》2022】作业1：COVID19CasesPrediction(Regression)【作业1】来源作业内容1.目标Solvear
来源：【授权】李宏毅2023春机器学习课程ChatGPT太火热了，借此简单了解一下ChatGPT的newbie之处在哪里？同一个问题，它的每次回答都不同；处于同一个chat中，我可以追问多个问题，因为它知道上下文。对于ChatGPT的误解误解1：ChatGPT的回应是罐头回应。（ie.比如我让ChatGPT给我讲个笑话，罐头回应就是程序员让ChatGPT事先准备好了一些笑话，ChatGPT从中随机抽一个来回答我）解释：不是罐头回应哦，下文会解释。误解2：ChatGPT的回答是Google一下的结果。解释：ChatGPT不联网。它是用2021年前的网络数据训练的，所以问它2021年后的问题它会回
来源：【授权】李宏毅2023春机器学习课程ChatGPT太火热了，借此简单了解一下ChatGPT的newbie之处在哪里？同一个问题，它的每次回答都不同；处于同一个chat中，我可以追问多个问题，因为它知道上下文。对于ChatGPT的误解误解1：ChatGPT的回应是罐头回应。（ie.比如我让ChatGPT给我讲个笑话，罐头回应就是程序员让ChatGPT事先准备好了一些笑话，ChatGPT从中随机抽一个来回答我）解释：不是罐头回应哦，下文会解释。误解2：ChatGPT的回答是Google一下的结果。解释：ChatGPT不联网。它是用2021年前的网络数据训练的，所以问它2021年后的问题它会回
文章目录0前言1Auto-encoder1.1PCA1.2DeepAuto-encoder2SomeApplications2.1TextRetrieval（文字检索）2.2SimilarImageSearch（相似图片搜索）2.3Pre-training（预训练）3De-noisingAuto-encoder（加噪的自编码器）4Auto-encoderforCNN4.1Unpooling（反池化）4.2Deconvolution（反卷积）4.3GenerateImage5MoreThanMinimizingReconstructionError（其他计算Error的方法）5.1Represe
文章目录0前言1Auto-encoder1.1PCA1.2DeepAuto-encoder2SomeApplications2.1TextRetrieval（文字检索）2.2SimilarImageSearch（相似图片搜索）2.3Pre-training（预训练）3De-noisingAuto-encoder（加噪的自编码器）4Auto-encoderforCNN4.1Unpooling（反池化）4.2Deconvolution（反卷积）4.3GenerateImage5MoreThanMinimizingReconstructionError（其他计算Error的方法）5.1Represe
HW12一、作业描述1、PolicyGradient2、Actor-Critic二、实验1、simple2、medium3、strong三、代码一、作业描述在这个HW中，你可以自己实现一些深度强化学习方法：1、策略梯度PolicyGradient2、Actor-Critic这个HW的环境是OpenAIgym的月球着陆器。希望这个月球着陆器落在两个旗子中间。什么是月球着陆器？“LunarLander-v2”是模拟飞行器在月球表面着陆时的情况。这项任务是使飞机能够“安全地”降落在两个黄色旗帜之间的停机坪上。着陆平台始终位于坐标(0，0)处。坐标是状态向量中的前两个数字。“LunarLander-v
