李宏毅2021春季机器学习教程HW1-COVID-19 Cases Prediction介绍

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）

任务描述（Task Description）

调查的属性（Features）

数据（Data）

评估指标（RMSE）

助教给的调参建议（Hints）

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）

1. 特征选择（Feature selection -what other features are useful?）
2. DNN结构：层数，维度，激活函数（layers? dimension? activation function?)
3. 训练：mini-batch，optimizer，learning rate
4. 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。