2022.11.6

第十周学习日志

一、 pytorch

配置好了pytorch。使用conda进行虚拟环境管理，创建了含有2021年版本的pytorch以及CUDA、cuDNN
找好了源代码。
过完了前五章内容，完成了一个预训练网络的加载。ResNet 卷积神经网络。
- 不过对张量的掌握还不够，一些API的具体使用也不了解。
- 要先把数据加载和预处理的操作掌握了，复习一下CLASS的操作。
- 之后主要是在实战中学习了。—> kaggle

概论的部分和入门时，学的东西差不多，就跳过了。包括正则化、泛化、感知机之类的。
k近邻法（KNN）终于接触到了之后可能考虑使用的算法之一。想不到还挺基础的。
决策树。KNN也有用树实现的方式（Kd树），是使用了数据结构来优化算法能力。好的是，sklean里面已经有了包装好了的API，在李航博士的源代码中，就使用了这些API。
- 对sklearn.neighbors.KNeighborsClassifier() 之类的应该碰到了就多了解了解。
- 涉及到了熵、信息增益等新概念。还有可以简化信息熵的基尼系数。
- 主要是有ID3和C4.5算法，还涉及了分类和回归树CART
- 与RF有关联，出现了与第二个目标算法相关的内容。可以说这周学习内容收益很大了。
朴素贝叶斯。基于贝叶斯定律和独立条件假设的分类方法。对feature要求比较高。感觉一般。
逻辑斯蒂回归LR，以及最大熵模型。学了一点点，感觉有点难度了。
- 涉及到了用最大似然估计进行逻辑斯蒂模型回归。
- 最大熵原理，没看懂这周好像也没时间看了。