深度学习--复试自用

在寒假里，我开始接触到了深度学习，对深度学习里面涉及到的知识点很感兴趣，也希望能在未来的研究生生活中确立为自己的研究方向。

为此，我利用假期时间自学了python的基本操作，并学习了：

一.基本的回归任务

我认为回归任务的重点应该在数据的处理上，不同的数据集有不同的处理方式，

1.（你用什么方式处理的？你是如何挑选需要的特征的？）

当我在做新冠人数预测的数据集时：

1.发现有地区相关的参数值可以使用one-hot的处理方式，

2.对于时间的处理可以将日期格式表示为观测的第几天或者第几个月，

3.而部分参数值如[人数基数]的参数值较大，会对loss产生较大的影响，因此可以采用归一化，

4.当参数值过高时也可以采用selectbest函数

【原理：通过给特征进行打分，然后从高到底选取特征，要用到皮尔森系数和单变量线性回归，皮尔森系数可以表明y与各个特征的相关度单变量线性回归可以用来表明特征的回归效果】

而在训练中为了提高训练效果，我也尝试了不同的训练技巧，得到了不同的结果。

2.（你加入了什么训练技巧，他们的原理是什么）

神经网络固有的两个缺点即费时和