提交要求

1. 本页面中的习题包括文档与代码，所有题目均写在同一份文档中，并导出为 PDF 格式，命名为 SynX 招新-机器学习类题目-20xxxxxxxxxxx-XXX.pdf。请注意排版。要求提交代码的题目请将代码放在单独的文件夹中。提交时要求将其打包成 ZIP 压缩包，命名为SynX 招新-机器学习类题目-<学号>-<姓名>.zip，例如：

   SynX 招新-机器学习类题目-20xxxxxxxxxxx-XXX.zip
   ├── SynX 招新-机器学习类题目-20xxxxxxxxxxx-XXX.pdf.pdf
   ├── Play with iris
   |   ├── xxx.py
   │   └── xxx.py
   └── Data data
      └── xxx.ipynb

   代码的文件名自拟，同时在文档中标注代码文件名所进行的工作。

2. ZIP 压缩包通过邮箱提交，邮箱为：[email protected]，邮件的主题为 SynX 招新-机器学习类题目-<学号>-<姓名>。
3. 题目提交的截止时间为 2022 年 10 月 9 日 24:00，在截止时间之前，可以无限次的提交。
4. 本页面的题目不要求全部做出来，但请尽量都看一看，完成感兴趣的题目即可。
5. 题目在完成的过程中可以利用互联网、教材及包括但不限于图书馆的各种图书资源，也可以与他人交流。遇到困难请一定不要闭门造车，积极讨论，或是向出题人寻求帮助。

Some resources

Supervised Machine Learning: Regression and Classification | Coursera

Deep Learning by deeplearning.ai | Coursera

李宏毅2021/2022春机器学习课程

《动手学深度学习》

神经网络与深度学习

概念

1. [blame LAuemtihneer]有一个容量 N=1 的训练集，X_{sample1}=(7,3,2)，Y_{sample1}=322114，请基于这个单样本的训练集进行机器学习，并利用学习到的模型预测 X_{test}=(4,5,6)，结果是：

   1. 561877
   2. 392024
   3. 其他值，请给出值并说出原因
   4. 要给出正确的回答，需要更多样本来建立模型并预测结果
   5. 其他，请给出理由

2. [blame Darren]查阅、列举、简述传统机器学习常用方法（列举名字和 sklearn 库中的函数名），给出自己对所列方法的简单理解，请一定要写出自己的理解，而不是他人的理解！（思维导图 preferred）

3. [blame Darren]给出近年 Deep Learning 流行的合理解释（开放）；解释 DL 与 ML 的关系，列举常用 DL 模型。

4. [blame Darren]捡起线代，简述矩阵乘法的四种运算方式（行x列，行操作，列操作，列x行），并：

   1. 简述W. Gilbert Strang 提出的四大子空间（什么是子空间，这四大子空间的性质和彼此的关系），并对下图给出合理的解释：
      
   2. 清晰地阐述何为代数，线性代数是怎样的代数，区分向量维度与子空间维度。

实验

大一

1. [blame Darren]将该代码于本地运行并截图，保存在 Markdown 文件中提交。

2. [blame Darren]Data data【pandas,matplotlib】下载数据，编写脚本，要求输入名字，给出匹配的tel，将脚本和运行图例写于 Markdown 文件中提交。

3. [blame Darren]Play with iris.【sklearn】下载鸢尾花数据集，研究花萼长度与花萼宽度间的回归关系，并可视化回归线，可视化回归线，并用验证曲线研究核心参数合适的取值（如多项式 degree、随机森林棵数等）。将代码（写上注释）和运行图片保存在 Markdown 文件中提交。

大二

1. [blame Darren]Data data【pandas,matplotlib】下载数据，编写脚本，要求输入名字，给出匹配的 tel；以合适时间尺度为行，性别为列，制作一张美观的热力图，给出可运行代码（注释）、最终效果图。

2. [blame Darren]Play with iris.【sklearn】下载鸢尾花数据集，研究花萼长度与花萼宽度间的回归关系，可视化回归线，并用验证曲线研究核心参数合适的取值（如多项式 degree、随机森林棵数等）；在鸢尾花数据集上演示一种降维、聚类方法，可视化聚类结果。

3. [blame Darren]预测房价【pytorch | tensorflow】注册 Kaggle 账号，下载数据，阅读说明，向 Kaggle 提交预测结果。要求：访问本地数据，生成本地预测结果，baseline 模型是 MLP，最终 score 至少小于 0.14，对代码进行注释，预处理部分可参考here

思考题

[blame LAuemtihneer]

对于下面这样的验证码（https://www.internationalsaimoe.com/captcha），如果让你设计一个方案进行识别，你会如何进行设计？

只需要说出思路即可，不必进行实际开发工作。