第一周
根据 Supervisor 所给的 FYP 的 description, 论文以及 Google Search，利用 Latex 写 proposal
参考资料
机器学习: Metric Learning (度量学习)
Metric Learning——度量学习
度量学习笔记(一) | Metric Learning for text categorization
机器学习的分类与主要算法对比
麻省理工公开课：线性代数
线性代数：转置矩阵（matrix transpose）和逆矩阵（matrix inverse）
计算机视觉三大顶级会议ICCV,CVPR,ECCV网址
·····································分割线·······································
进行Latex 编写的工具有：
- Overleaf 在线编辑并且支持预览
- 利用 Sublime3 + Latex
image
第二周
- 学习了解 python 里的module：sklearn, pandas, numpy
- 利用所学的 module 对所给
wNN_test_file_01.csv文件中的数据进行读取等操作
学习过程中涉及到的参考资料有：
python写入csv文件的几种方法总结
·····································分割线·······································
学习到的 python 文本编辑新工具:
Jupyter notebook*
确保本地的 python （Anaconda）环境已经配置好了
安装和运行 jupyter notebook 的代码:
$ pip install jupyter notebook
$ jupyter notebook
效果图如下
image
image
第三周
利用 sklearn 对 wNN_test_file_01.csv 中的数据进行多元线性回归， 实现 kNN、 wNN 算法. 并寻找最合适的 k 值.
学习过程中涉及到的参考资料有：
机器学习系列（十三）——多元线性回归及knn做回归
Python多元线性回归-sklearn.linear_model，并对其预测结果评估
深入浅出KNN算法（二） sklearn KNN实践
回归算法--多元线性回归
吴裕雄 PYTHON 机器学习——KNN回归KNEIGHBORSREGRESSOR模型
利用Sklearn实现DataFrame数据的回归预测，以及对预测结果进行评价
K最近邻算法（KNN）---sklearn+python实现
利用sklearn计算决定系数R2
基于scikit-learn包实现机器学习之KNN(K近邻)-完整示例
·····································分割线·······································
利用 sklearn 做 GridSearch 得到的结果
原生小代码得到的结果
第四周
TODO （ddl: 11.14）
# TODO: 1.Find out GridSearchCV
# TODO: 1.Find out uniform and distance in sklearn
# TODO: 2.Find the vector lamada for each x
# TODO: 3.learn about Metric learning in next week from given articles. / Gradient descent
Minkowski Distance 闵式距离不是一种距离，而是一组距离的定义
The Minkowski distance is a metric in a normed vector space which can be considered as a generalization of both the Euclidean distance and the Manhattan distance.
Minkowski Distance
p
weights and uniform
Reference
闵可夫斯基距离
sklearn API Reference
sklearn.grid_search.GridSearchCV
sklearn.neighbors.RadiusNeighborsRegressor
sklearn: Cross-validation
How to find out weights of attributes in K-nearest neighbors algorithm?
Random forest
·····································分割线·······································
经过与CG ETHIC DT ML诸多课程的搏斗， 重新意识到总结，时间规划的重要性，因此画了一个 timetable 的 draft. 希望能够督促自己迎头赶上！
Timetable_Draft (6 am -11 pm)
刘月林
写于浙江宁波
2019/11/11
网友评论