Zhuoning Guo's Blog

哈工大《机器学习》期末复习EM、GMM、PCA

哈工大《机器学习》期末复习无监督学习、聚类、相似度、层次聚类、K-means

哈工大《机器学习》期末复习逻辑回归、支持向量机

哈工大《机器学习》期末复习贝叶斯法则、条件独立、朴素贝叶斯、高斯朴素贝叶斯

哈工大《机器学习》复习贝叶斯判别、贝叶斯估计、贝叶斯误差、分类器（KNN）、判别式模型&生成式模型

哈工大《机器学习》期末复习概率基础：随机变量、事件、采样空间、条件概率等；随机变量的独立性；贝叶斯法则；联合概率分布。点估计：MLE、MAP、分布（二项、β、狄利克雷等）

哈工大《机器学习》期末复习决策树的表示、构造（衡量属性）和评价，欠拟合、过拟合

哈工大2020机器学习实验一：多项式拟合正弦曲线

联邦机器学习又名联邦学习，联合学习是一个机器学习框架，能有效帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下，进行数据使用和机器学习建模。其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习。

SODA2020《Locally Private k-Means Clustering》（本地私有k均值聚类）

我们用哈士奇球队的案例来解释群体动力学。并用哈士奇球队建立模型得到的结论来说明如何设计更有效的团队，并对团队绩效指标进行补充。

通过上述中建立的模型进行观察分析，我们着重研究静态指标对球队的胜利起到的关键作用，综合考虑球员位置和技术数据评价模型，建立不同球员在不同位置价值评价模型。通过模拟退火算法，优化11人排列组合的考虑，在局部最优解的父级搜索树进行搜索全局最优解，最终给出价值最优的首发阵容阵型图。此外我们还考虑以下三个次要影响因素：球员间默契度，主客场影响和教练安排。给教练提出的综合建议。

我们将反映成功团队合作的绩效指标划分为静态指标和动态指标。静态指标包括球员位置安排和球队阵型（line-up），我们建立球员赛季热点模型和球员分布模型。动态指标包括opponents，side，coach，passes，defence，attack and fail等。对经过数据清洗动态指标之间通过可视化进行相关性分析后，以净胜球分类作为比赛样本标签，以随机森林分类器作为机器学习的模型，用网格搜索调优参数，建立动态指标评价模型，进行交叉验证，达到了80%的准确率。

根据图论，在球员之间建立传球网络，并建立单次传球的价值评价模型，用于评价两两球员间传球的配合程度，即传球网络的边权。建立在一定时间范围内所有参与比赛的N个球员的邻接矩阵，通过以M个点的子完全图边权之和为排序关键字找出若干组优秀的M元组合。同时建立基于时间尺度的价值模型，用于评价时间对传球效率的影响。

Soccer Teamwork Evaluation Models足球团队合作评价模型2020MCM-ICM ProblemDFinalist 方案2020年美国大学生数学建模竞赛ICM-D题 特等奖提名

Python机器学习/数据挖掘项目实战 波士顿房价预测 回归分析

Python机器学习项目：基于数据挖掘的抖音商用广告视频识别。我们将使用人工智能的方法构建一套商用广告识别系统来预测抖音短视频是否为商用广告，通过对Tik Tok平台上视频的时长、声音频谱、视频光谱、文字分布、画面变化等特征，进行特征抽取、特征过滤等方式处理后进行建模，来快速区分出投稿视频中的商业广告。

Python机器学习/数据挖掘项目实战 泰坦尼克号Titanic生存预测 Kaggle入门比赛Titanic : Machine Learning from Disaster 随机森林分类器