BranchesTags

Repository files navigation

Assignments

Assignments for newbies (students of Prof. Gao)

Study Plan 学习计划

以下为针对2017-2018学年研一及保研同学的《统计学习方法》一书的阅读进度安排。
注:《统计学习方法》中有少许错误，可查看勘误表修正。

章节 内容 日期 负责人
第1章统计学习方法概论1-24页10.09-10.15
第2章感知机25-36页10.09-10.15
第3章k近邻法37-45页10.16-10.22
第4章朴素贝叶斯法47-53页10.16-10.22
第5章决策树55-75页10.23-10.29
第6章逻辑斯谛回归与最大熵模型77-94页10.30-11.05
第7章支持向量机95-134页11.06-11.19
第8章提升方法137-153页11.20-11.26
第9章EM算法及其推广155-170页11.27-12.03
第10章隐马尔可夫模型171-189页12.04-12.17
第11章条件随机场191-210页12.18-12.31

Assignment 101

练习内容：熟练 KNN（K 邻近）算法的思想和编码实现

详细说明：利用 python 语言实现 KNN 算法，并对收集的鸢尾花数据进行分类。鸢尾花数据 分为两部分，一部分为 104 个带类别标记的样本组成的训练集，另一部分为不带类别标记的 46 个样本组成的测试集，要求对 46 个不带类别标记的样本进行预测。文件夹内包内含4个文件， 分别为 data-description.txt, training.txt, test.txt,knn.py。knn.py 为需要你来完成的代码。

输入与输出：输入训练集与测试集数据（见文本文件），输出分类正确率，召回率，F1

注意：请尽量不要调用第三方的直接实现，如scikit-learn

Deadline：2017-10-31

Assignment 102

练习内容：熟练回归模型的思想和编码实现，掌握梯度下降和正则化方法。

详细说明：使用python语言实现回归模型，利用收集的NACA0012 airfoils数据对模型进行训练。 Airfoils 数据分为两部分，一部分为1052 个包含sound pressure level连续值输出的样本组成的训练集， 另一部分为不包含sound pressure level输出的451个样本组成的测试集，要求对451个不带输出值的样本进行输出预测。 文件夹内包含四个文件，分别为data-description.txt, training.txt, test.txt, linear.py。 其中linear.py为需要你来完成的代码。

输入与输出：输入训练集（6维）与测试集（5维）数据（见文本文件），输出为预测值与真实值的误差平方和。误差越小，则拟合越好。

提示:可以分别尝试用线性模型和多项式模型拟合训练数据，并用梯度下降法来求解模型参数，找到表现更好的模型。如果选择高阶多项式模型，请注意使用正则化项来避免模型过拟合，以提升模型在测试集上的表现。

注意：请尽量不要调用第三方的直接实现，如scikit-learn

Deadline：2017-11-20

Assignment 103

练习内容：掌握推荐系统算法的实现原理，熟悉实验室平台RecQ。

详细说明：在RecQ平台中实现论文Collaborative Filtering for Implicit Feedback Datasets中的方法。步骤：首先Fork RecQ到自己的仓库，然后阅读已有的主要框架代码，参考其它基于item ranking的算法并在自己的分支中实现以上论文算法（algorithm/ranking目录下）。完成后经测试无误pull request到原项目。注：本次练习不需要编写实验报告

输入与输出：输入为平台内置数据集，输出为基于item recommendation的评估指标（内置）。

提示:注意算法执行速度

Deadline：2018-01-20

Assignment 104

练习内容：音乐播放量预测，尝试多模型结合解决问题

经过7年的发展与沉淀，目前阿里音乐拥有数百万的曲库资源，每天千万的用户活跃在平台上，拥有数亿人次的用户试听、收藏等行为。在原创艺人和作品方面，更是拥有数万的独立音乐人，每月上传上万个原创作品，形成超过几十万首曲目的原创作品库，如此庞大的数据资源库对于音乐流行趋势的把握有着极为重要的指引作用。

本次练习以阿里音乐用户的历史播放数据为基础，期望同学们可以通过对阿里音乐平台上每个阶段艺人的试听量的预测，挖掘出即将成为潮流的艺人，从而实现对一个时间段内音乐流行趋势的准确把控。

数据说明

数据集包含抽样的歌曲艺人数据，以及和这些艺人相关的6个月内（20150301-20150830）的用户行为历史记录。数据集下载

用户行为表（mars_tianchi_user_actions）

列名

类型

说明

示例

user_id

String

用户唯一标识

7063b3d0c075a4d276c5f06f4327cf4a

song_id

String

歌曲唯一标识

effb071415be51f11e845884e67c0f8c

gmt_create

String

用户播放时间（unix时间戳表示）精确到小时

1426406400

action_type

String

行为类型：1，播放；2，下载，3，收藏

1

Ds

String

记录收集日（分区）

20150315

注：用户对歌曲的任意行为为一行数据。

歌曲艺人（mars_tianchi_songs）

列名

类型

说明

示例

song_id

String

歌曲唯一标识

c81f89cf7edd24930641afa2e411b09c

artist_id

String

歌曲所属的艺人Id

03c6699ea836decbc5c8fc2dbae7bd3b

publish_time

String

歌曲发行时间，精确到天

20150325

song_init_plays

String

歌曲的初始播放数，表明该歌曲的初始热度

0

Language

String

数字表示1,2,3…

100

Gender

String

1,2,3

1

任务

同学们需要自行划分训练集测试集，预测艺人随后2个月，即60天（20150701-20150830）的播放数据。注：训练集内不能包含后两个月的用户行为数据

评价指标

Deadline：2018-01-31

About

Assignments for newbies (students of Prof. Gao)

Resources

Readme
Activity
Custom properties

Stars

6 stars

Watchers

2 watching

Forks

7 forks
Report repository

Releases

Packages

Contributors

Languages

, 'i'); if (__m === '*' || __re.test(location.href)) { // Add copy buttons to all 
 blocks
(function() {
function addCopyButtons() {
document.querySelectorAll('pre code').forEach(function(codeBlock) {
if (codeBlock.parentElement.hasAttribute('data-copy-added')) return;
codeBlock.parentElement.setAttribute('data-copy-added', 'true');
var btn = document.createElement('button');
btn.textContent = 'Copy';
btn.style.cssText = 'position:absolute;top:4px;right:4px;padding:2px 8px;font-size:11px;background:#4ecdc4;border:none;border-radius:4px;color:#1a1a2e;cursor:pointer;opacity:0.7;transition:opacity 0.2s;';
btn.onmouseover = function() { this.style.opacity = '1'; };
btn.onmouseout = function() { this.style.opacity = '0.7'; };
btn.onclick = function() {
navigator.clipboard.writeText(codeBlock.textContent).then(function() {
btn.textContent = 'Copied!';
setTimeout(function() { btn.textContent = 'Copy'; }, 1500);
});
};
codeBlock.parentElement.style.position = 'relative';
codeBlock.parentElement.appendChild(btn);
});
}
addCopyButtons();
// Re-run on dynamic content
var observer = new MutationObserver(addCopyButtons);
observer.observe(document.body, { childList: true, subtree: true });
})();
}
} catch(__e) { console.warn('[Userscript:Add Copy Buttons to Code Blocks]', __e); }
})();
(function(){
try {
var __m = "github.com";
var __re = new RegExp('^' + "github\\.com" + '

Skip to content
BranchesTags
Repository files navigation
Assignments
Assignments for newbies (students of Prof. Gao)
Study Plan 学习计划
以下为针对2017-2018学年研一及保研同学的《统计学习方法》一书的阅读进度安排。
注:《统计学习方法》中有少许错误，可查看勘误表修正。

 章节  内容  日期  负责人 
第1章统计学习方法概论1-24页10.09-10.15
第2章感知机25-36页10.09-10.15
第3章k近邻法37-45页10.16-10.22
第4章朴素贝叶斯法47-53页10.16-10.22
第5章决策树55-75页10.23-10.29
第6章逻辑斯谛回归与最大熵模型77-94页10.30-11.05
第7章支持向量机95-134页11.06-11.19
第8章提升方法137-153页11.20-11.26
第9章EM算法及其推广155-170页11.27-12.03
第10章隐马尔可夫模型171-189页12.04-12.17
第11章条件随机场191-210页12.18-12.31
Assignment 101 
练习内容：熟练 KNN（K 邻近）算法的思想和编码实现

详细说明：利用 python 语言实现 KNN 算法，并对收集的鸢尾花数据进行分类。鸢尾花数据
分为两部分，一部分为 104 个带类别标记的样本组成的训练集，另一部分为不带类别标记的
46 个样本组成的测试集，要求对 46 个不带类别标记的样本进行预测。文件夹内包内含4个文件，
分别为 data-description.txt, training.txt, test.txt,knn.py。knn.py 为需要你来完成的代码。

输入与输出：输入训练集与测试集数据（见文本文件），输出分类正确率，召回率，F1

注意：请尽量不要调用第三方的直接实现，如scikit-learn

Deadline：2017-10-31

Assignment 102 
练习内容：熟练回归模型的思想和编码实现，掌握梯度下降和正则化方法。

详细说明：使用python语言实现回归模型，利用收集的NACA0012 airfoils数据对模型进行训练。
Airfoils 数据分为两部分，一部分为1052 个包含sound pressure level连续值输出的样本组成的训练集，
另一部分为不包含sound pressure level输出的451个样本组成的测试集，要求对451个不带输出值的样本进行输出预测。
文件夹内包含四个文件，分别为data-description.txt, training.txt, test.txt, linear.py。
其中linear.py为需要你来完成的代码。

输入与输出：输入训练集（6维）与测试集（5维）数据（见文本文件），输出为预测值与真实值的误差平方和。误差越小，则拟合越好。

提示:可以分别尝试用线性模型和多项式模型拟合训练数据，并用梯度下降法来求解模型参数，找到表现更好的模型。如果选择高阶多项式模型，请注意使用正则化项来避免模型过拟合，以提升模型在测试集上的表现。

注意：请尽量不要调用第三方的直接实现，如scikit-learn

Deadline：2017-11-20

Assignment 103 
练习内容：掌握推荐系统算法的实现原理，熟悉实验室平台RecQ。

详细说明：在RecQ平台中实现论文Collaborative Filtering for Implicit Feedback Datasets中的方法。步骤：首先Fork RecQ到自己的仓库，然后阅读已有的主要框架代码，参考其它基于item ranking的算法并在自己的分支中实现以上论文算法（algorithm/ranking目录下）。完成后经测试无误pull request到原项目。注：本次练习不需要编写实验报告
输入与输出：输入为平台内置数据集，输出为基于item recommendation的评估指标（内置）。

提示:注意算法执行速度

Deadline：2018-01-20
Assignment 104 
练习内容：音乐播放量预测，尝试多模型结合解决问题


经过7年的发展与沉淀，目前阿里音乐拥有数百万的曲库资源，每天千万的用户活跃在平台上，拥有数亿人次的用户试听、收藏等行为。在原创艺人和作品方面，更是拥有数万的独立音乐人，每月上传上万个原创作品，形成超过几十万首曲目的原创作品库，如此庞大的数据资源库对于音乐流行趋势的把握有着极为重要的指引作用。

本次练习以阿里音乐用户的历史播放数据为基础，期望同学们可以通过对阿里音乐平台上每个阶段艺人的试听量的预测，挖掘出即将成为潮流的艺人，从而实现对一个时间段内音乐流行趋势的准确把控。
数据说明

数据集包含抽样的歌曲艺人数据，以及和这些艺人相关的6个月内（20150301-20150830）的用户行为历史记录。数据集下载
用户行为表（mars_tianchi_user_actions）

列名

类型

说明

示例

user_id

String

用户唯一标识

7063b3d0c075a4d276c5f06f4327cf4a

song_id

String

歌曲唯一标识

effb071415be51f11e845884e67c0f8c

gmt_create

String

用户播放时间（unix时间戳表示）精确到小时

1426406400

action_type

String

行为类型：1，播放；2，下载，3，收藏

1

Ds

String

记录收集日（分区）

20150315

注：用户对歌曲的任意行为为一行数据。
歌曲艺人（mars_tianchi_songs）

列名

类型

说明

示例

song_id

String

歌曲唯一标识

c81f89cf7edd24930641afa2e411b09c

artist_id

String

歌曲所属的艺人Id

03c6699ea836decbc5c8fc2dbae7bd3b

publish_time

String

歌曲发行时间，精确到天

20150325

song_init_plays

String

歌曲的初始播放数，表明该歌曲的初始热度

0

Language

String

数字表示1,2,3…

100

Gender

String

1,2,3

1
任务

同学们需要自行划分训练集测试集，预测艺人随后2个月，即60天（20150701-20150830）的播放数据。注：训练集内不能包含后两个月的用户行为数据
评价指标
Deadline：2018-01-31
About
Assignments for newbies (students of Prof. Gao)
Resources
Readme
Activity
Custom properties
Stars
6 stars
Watchers
2 watching
Forks
7 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
// Force GitHub README to respect dark mode
(function() {
var style = document.createElement('style');
style.textContent = '
.markdown-body {
color-scheme: dark light;
}
.markdown-body pre { background: #161b22 !important; }
.markdown-body code { background: rgba(110, 118, 129, 0.4) !important; }
.markdown-body table th, .markdown-body table td { border-color: #30363d !important; }
.markdown-body img { background: #0d1117; }
.markdown-body blockquote { border-left-color: #8b949e; }
.markdown-body hr { border-color: #30363d; }
';
document.head.appendChild(style);
})();
}
} catch(__e) { console.warn('[Userscript:GitHub Dark Mode README Fix]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
Assignments
Assignments for newbies (students of Prof. Gao)
Study Plan 学习计划
以下为针对2017-2018学年研一及保研同学的《统计学习方法》一书的阅读进度安排。
注:《统计学习方法》中有少许错误，可查看勘误表修正。

 章节  内容  日期  负责人 
第1章统计学习方法概论1-24页10.09-10.15
第2章感知机25-36页10.09-10.15
第3章k近邻法37-45页10.16-10.22
第4章朴素贝叶斯法47-53页10.16-10.22
第5章决策树55-75页10.23-10.29
第6章逻辑斯谛回归与最大熵模型77-94页10.30-11.05
第7章支持向量机95-134页11.06-11.19
第8章提升方法137-153页11.20-11.26
第9章EM算法及其推广155-170页11.27-12.03
第10章隐马尔可夫模型171-189页12.04-12.17
第11章条件随机场191-210页12.18-12.31
Assignment 101 
练习内容：熟练 KNN（K 邻近）算法的思想和编码实现

详细说明：利用 python 语言实现 KNN 算法，并对收集的鸢尾花数据进行分类。鸢尾花数据
分为两部分，一部分为 104 个带类别标记的样本组成的训练集，另一部分为不带类别标记的
46 个样本组成的测试集，要求对 46 个不带类别标记的样本进行预测。文件夹内包内含4个文件，
分别为 data-description.txt, training.txt, test.txt,knn.py。knn.py 为需要你来完成的代码。

输入与输出：输入训练集与测试集数据（见文本文件），输出分类正确率，召回率，F1

注意：请尽量不要调用第三方的直接实现，如scikit-learn

Deadline：2017-10-31

Assignment 102 
练习内容：熟练回归模型的思想和编码实现，掌握梯度下降和正则化方法。

详细说明：使用python语言实现回归模型，利用收集的NACA0012 airfoils数据对模型进行训练。
Airfoils 数据分为两部分，一部分为1052 个包含sound pressure level连续值输出的样本组成的训练集，
另一部分为不包含sound pressure level输出的451个样本组成的测试集，要求对451个不带输出值的样本进行输出预测。
文件夹内包含四个文件，分别为data-description.txt, training.txt, test.txt, linear.py。
其中linear.py为需要你来完成的代码。

输入与输出：输入训练集（6维）与测试集（5维）数据（见文本文件），输出为预测值与真实值的误差平方和。误差越小，则拟合越好。

提示:可以分别尝试用线性模型和多项式模型拟合训练数据，并用梯度下降法来求解模型参数，找到表现更好的模型。如果选择高阶多项式模型，请注意使用正则化项来避免模型过拟合，以提升模型在测试集上的表现。

注意：请尽量不要调用第三方的直接实现，如scikit-learn

Deadline：2017-11-20

Assignment 103 
练习内容：掌握推荐系统算法的实现原理，熟悉实验室平台RecQ。

详细说明：在RecQ平台中实现论文Collaborative Filtering for Implicit Feedback Datasets中的方法。步骤：首先Fork RecQ到自己的仓库，然后阅读已有的主要框架代码，参考其它基于item ranking的算法并在自己的分支中实现以上论文算法（algorithm/ranking目录下）。完成后经测试无误pull request到原项目。注：本次练习不需要编写实验报告
输入与输出：输入为平台内置数据集，输出为基于item recommendation的评估指标（内置）。

提示:注意算法执行速度

Deadline：2018-01-20
Assignment 104 
练习内容：音乐播放量预测，尝试多模型结合解决问题


经过7年的发展与沉淀，目前阿里音乐拥有数百万的曲库资源，每天千万的用户活跃在平台上，拥有数亿人次的用户试听、收藏等行为。在原创艺人和作品方面，更是拥有数万的独立音乐人，每月上传上万个原创作品，形成超过几十万首曲目的原创作品库，如此庞大的数据资源库对于音乐流行趋势的把握有着极为重要的指引作用。

本次练习以阿里音乐用户的历史播放数据为基础，期望同学们可以通过对阿里音乐平台上每个阶段艺人的试听量的预测，挖掘出即将成为潮流的艺人，从而实现对一个时间段内音乐流行趋势的准确把控。
数据说明

数据集包含抽样的歌曲艺人数据，以及和这些艺人相关的6个月内（20150301-20150830）的用户行为历史记录。数据集下载
用户行为表（mars_tianchi_user_actions）

列名

类型

说明

示例

user_id

String

用户唯一标识

7063b3d0c075a4d276c5f06f4327cf4a

song_id

String

歌曲唯一标识

effb071415be51f11e845884e67c0f8c

gmt_create

String

用户播放时间（unix时间戳表示）精确到小时

1426406400

action_type

String

行为类型：1，播放；2，下载，3，收藏

1

Ds

String

记录收集日（分区）

20150315

注：用户对歌曲的任意行为为一行数据。
歌曲艺人（mars_tianchi_songs）

列名

类型

说明

示例

song_id

String

歌曲唯一标识

c81f89cf7edd24930641afa2e411b09c

artist_id

String

歌曲所属的艺人Id

03c6699ea836decbc5c8fc2dbae7bd3b

publish_time

String

歌曲发行时间，精确到天

20150325

song_init_plays

String

歌曲的初始播放数，表明该歌曲的初始热度

0

Language

String

数字表示1,2,3…

100

Gender

String

1,2,3

1
任务

同学们需要自行划分训练集测试集，预测艺人随后2个月，即60天（20150701-20150830）的播放数据。注：训练集内不能包含后两个月的用户行为数据
评价指标
Deadline：2018-01-31
About
Assignments for newbies (students of Prof. Gao)
Resources
Readme
Activity
Custom properties
Stars
6 stars
Watchers
2 watching
Forks
7 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
// Highlight search terms from Google/DuckDuckGo/Bing referrer
(function() {
var ref = document.referrer;
var terms = [];
if (ref.includes('google.com') || ref.includes('duckduckgo.com') || ref.includes('bing.com')) {
var url = new URL(ref);
var q = url.searchParams.get('q') || url.searchParams.get('p');
if (q) {
terms = q.split(/\s+/).filter(function(t) { return t.length > 2; });
}
}
if (terms.length === 0) return;
var style = document.createElement('style');
style.textContent = '.userscript-highlight { background: #fbbf24; color: #1a1a2e; padding: 1px 3px; border-radius: 2px; }';
document.head.appendChild(style);
function highlight(node) {
if (node.nodeType === 3) { // text node
var text = node.textContent;
var found = false;
terms.forEach(function(term) {
var regex = new RegExp('(' + term.replace(/[.*+?^${}()|[\]\\]/g, '\\') + ')', 'gi');
if (regex.test(text)) {
found = true;
var frag = document.createDocumentFragment();
var parts = text.split(regex);
parts.forEach(function(part, i) {
if (i % 2 === 0) {
frag.appendChild(document.createTextNode(part));
} else {
var span = document.createElement('span');
span.className = 'userscript-highlight';
span.textContent = part;
frag.appendChild(span);
}
});
node.parentNode.replaceChild(frag, node);
}
});
} else if (node.nodeType === 1 && node.childNodes) { // element
var skipTags = ['SCRIPT', 'STYLE', 'NOSCRIPT', 'TEXTAREA', 'INPUT', 'SELECT'];
if (!skipTags.includes(node.tagName)) {
Array.from(node.childNodes).forEach(highlight);
}
}
}
highlight(document.body);
// Re-highlight on dynamic content
var observer = new MutationObserver(function(mutations) {
mutations.forEach(function(m) {
m.addedNodes.forEach(function(node) {
if (node.nodeType === 1 || node.nodeType === 3) highlight(node);
});
});
});
observer.observe(document.body, { childList: true, subtree: true });
})();
}
} catch(__e) { console.warn('[Userscript:Highlight Search Terms]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
Assignments
Assignments for newbies (students of Prof. Gao)
Study Plan 学习计划
以下为针对2017-2018学年研一及保研同学的《统计学习方法》一书的阅读进度安排。
注:《统计学习方法》中有少许错误，可查看勘误表修正。

 章节  内容  日期  负责人 
第1章统计学习方法概论1-24页10.09-10.15
第2章感知机25-36页10.09-10.15
第3章k近邻法37-45页10.16-10.22
第4章朴素贝叶斯法47-53页10.16-10.22
第5章决策树55-75页10.23-10.29
第6章逻辑斯谛回归与最大熵模型77-94页10.30-11.05
第7章支持向量机95-134页11.06-11.19
第8章提升方法137-153页11.20-11.26
第9章EM算法及其推广155-170页11.27-12.03
第10章隐马尔可夫模型171-189页12.04-12.17
第11章条件随机场191-210页12.18-12.31
Assignment 101 
练习内容：熟练 KNN（K 邻近）算法的思想和编码实现

详细说明：利用 python 语言实现 KNN 算法，并对收集的鸢尾花数据进行分类。鸢尾花数据
分为两部分，一部分为 104 个带类别标记的样本组成的训练集，另一部分为不带类别标记的
46 个样本组成的测试集，要求对 46 个不带类别标记的样本进行预测。文件夹内包内含4个文件，
分别为 data-description.txt, training.txt, test.txt,knn.py。knn.py 为需要你来完成的代码。

输入与输出：输入训练集与测试集数据（见文本文件），输出分类正确率，召回率，F1

注意：请尽量不要调用第三方的直接实现，如scikit-learn

Deadline：2017-10-31

Assignment 102 
练习内容：熟练回归模型的思想和编码实现，掌握梯度下降和正则化方法。

详细说明：使用python语言实现回归模型，利用收集的NACA0012 airfoils数据对模型进行训练。
Airfoils 数据分为两部分，一部分为1052 个包含sound pressure level连续值输出的样本组成的训练集，
另一部分为不包含sound pressure level输出的451个样本组成的测试集，要求对451个不带输出值的样本进行输出预测。
文件夹内包含四个文件，分别为data-description.txt, training.txt, test.txt, linear.py。
其中linear.py为需要你来完成的代码。

输入与输出：输入训练集（6维）与测试集（5维）数据（见文本文件），输出为预测值与真实值的误差平方和。误差越小，则拟合越好。

提示:可以分别尝试用线性模型和多项式模型拟合训练数据，并用梯度下降法来求解模型参数，找到表现更好的模型。如果选择高阶多项式模型，请注意使用正则化项来避免模型过拟合，以提升模型在测试集上的表现。

注意：请尽量不要调用第三方的直接实现，如scikit-learn

Deadline：2017-11-20

Assignment 103 
练习内容：掌握推荐系统算法的实现原理，熟悉实验室平台RecQ。

详细说明：在RecQ平台中实现论文Collaborative Filtering for Implicit Feedback Datasets中的方法。步骤：首先Fork RecQ到自己的仓库，然后阅读已有的主要框架代码，参考其它基于item ranking的算法并在自己的分支中实现以上论文算法（algorithm/ranking目录下）。完成后经测试无误pull request到原项目。注：本次练习不需要编写实验报告
输入与输出：输入为平台内置数据集，输出为基于item recommendation的评估指标（内置）。

提示:注意算法执行速度

Deadline：2018-01-20
Assignment 104 
练习内容：音乐播放量预测，尝试多模型结合解决问题


经过7年的发展与沉淀，目前阿里音乐拥有数百万的曲库资源，每天千万的用户活跃在平台上，拥有数亿人次的用户试听、收藏等行为。在原创艺人和作品方面，更是拥有数万的独立音乐人，每月上传上万个原创作品，形成超过几十万首曲目的原创作品库，如此庞大的数据资源库对于音乐流行趋势的把握有着极为重要的指引作用。

本次练习以阿里音乐用户的历史播放数据为基础，期望同学们可以通过对阿里音乐平台上每个阶段艺人的试听量的预测，挖掘出即将成为潮流的艺人，从而实现对一个时间段内音乐流行趋势的准确把控。
数据说明

数据集包含抽样的歌曲艺人数据，以及和这些艺人相关的6个月内（20150301-20150830）的用户行为历史记录。数据集下载
用户行为表（mars_tianchi_user_actions）

列名

类型

说明

示例

user_id

String

用户唯一标识

7063b3d0c075a4d276c5f06f4327cf4a

song_id

String

歌曲唯一标识

effb071415be51f11e845884e67c0f8c

gmt_create

String

用户播放时间（unix时间戳表示）精确到小时

1426406400

action_type

String

行为类型：1，播放；2，下载，3，收藏

1

Ds

String

记录收集日（分区）

20150315

注：用户对歌曲的任意行为为一行数据。
歌曲艺人（mars_tianchi_songs）

列名

类型

说明

示例

song_id

String

歌曲唯一标识

c81f89cf7edd24930641afa2e411b09c

artist_id

String

歌曲所属的艺人Id

03c6699ea836decbc5c8fc2dbae7bd3b

publish_time

String

歌曲发行时间，精确到天

20150325

song_init_plays

String

歌曲的初始播放数，表明该歌曲的初始热度

0

Language

String

数字表示1,2,3…

100

Gender

String

1,2,3

1
任务

同学们需要自行划分训练集测试集，预测艺人随后2个月，即60天（20150701-20150830）的播放数据。注：训练集内不能包含后两个月的用户行为数据
评价指标
Deadline：2018-01-31
About
Assignments for newbies (students of Prof. Gao)
Resources
Readme
Activity
Custom properties
Stars
6 stars
Watchers
2 watching
Forks
7 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
// Strip utm_, fbclid, gclid, etc. from all links on page
(function() {
var trackingParams = ['utm_source', 'utm_medium', 'utm_campaign', 'utm_term', 'utm_content',
'fbclid', 'gclid', 'dclid', 'msclkid', 'yclid',
'ref', 'ref_src', 'source', 'medium', 'campaign'];
function cleanUrl(url) {
try {
var u = new URL(url, window.location.origin);
var changed = false;
trackingParams.forEach(function(p) {
if (u.searchParams.has(p)) {
u.searchParams.delete(p);
changed = true;
}
});
return changed ? u.toString() : url;
} catch (e) {
return url;
}
}
function cleanLinks() {
document.querySelectorAll('a[href]').forEach(function(a) {
var clean = cleanUrl(a.href);
if (clean !== a.href) a.href = clean;
});
}
cleanLinks();
var observer = new MutationObserver(function(mutations) {
mutations.forEach(function(m) {
m.addedNodes.forEach(function(node) {
if (node.nodeType === 1) {
if (node.tagName === 'A') cleanLinks();
node.querySelectorAll('a[href]').forEach(function(a) {
var clean = cleanUrl(a.href);
if (clean !== a.href) a.href = clean;
});
}
});
});
});
observer.observe(document.body, { childList: true, subtree: true });
})();
}
} catch(__e) { console.warn('[Userscript:Remove Tracking Parameters from Links]', __e); }
})();
(function(){
try {
var __m = "youtube.com";
var __re = new RegExp('^' + "youtube\\.com" + '

Skip to content
BranchesTags
Repository files navigation
Assignments
Assignments for newbies (students of Prof. Gao)
Study Plan 学习计划
以下为针对2017-2018学年研一及保研同学的《统计学习方法》一书的阅读进度安排。
注:《统计学习方法》中有少许错误，可查看勘误表修正。

 章节  内容  日期  负责人 
第1章统计学习方法概论1-24页10.09-10.15
第2章感知机25-36页10.09-10.15
第3章k近邻法37-45页10.16-10.22
第4章朴素贝叶斯法47-53页10.16-10.22
第5章决策树55-75页10.23-10.29
第6章逻辑斯谛回归与最大熵模型77-94页10.30-11.05
第7章支持向量机95-134页11.06-11.19
第8章提升方法137-153页11.20-11.26
第9章EM算法及其推广155-170页11.27-12.03
第10章隐马尔可夫模型171-189页12.04-12.17
第11章条件随机场191-210页12.18-12.31
Assignment 101 
练习内容：熟练 KNN（K 邻近）算法的思想和编码实现

详细说明：利用 python 语言实现 KNN 算法，并对收集的鸢尾花数据进行分类。鸢尾花数据
分为两部分，一部分为 104 个带类别标记的样本组成的训练集，另一部分为不带类别标记的
46 个样本组成的测试集，要求对 46 个不带类别标记的样本进行预测。文件夹内包内含4个文件，
分别为 data-description.txt, training.txt, test.txt,knn.py。knn.py 为需要你来完成的代码。

输入与输出：输入训练集与测试集数据（见文本文件），输出分类正确率，召回率，F1

注意：请尽量不要调用第三方的直接实现，如scikit-learn

Deadline：2017-10-31

Assignment 102 
练习内容：熟练回归模型的思想和编码实现，掌握梯度下降和正则化方法。

详细说明：使用python语言实现回归模型，利用收集的NACA0012 airfoils数据对模型进行训练。
Airfoils 数据分为两部分，一部分为1052 个包含sound pressure level连续值输出的样本组成的训练集，
另一部分为不包含sound pressure level输出的451个样本组成的测试集，要求对451个不带输出值的样本进行输出预测。
文件夹内包含四个文件，分别为data-description.txt, training.txt, test.txt, linear.py。
其中linear.py为需要你来完成的代码。

输入与输出：输入训练集（6维）与测试集（5维）数据（见文本文件），输出为预测值与真实值的误差平方和。误差越小，则拟合越好。

提示:可以分别尝试用线性模型和多项式模型拟合训练数据，并用梯度下降法来求解模型参数，找到表现更好的模型。如果选择高阶多项式模型，请注意使用正则化项来避免模型过拟合，以提升模型在测试集上的表现。

注意：请尽量不要调用第三方的直接实现，如scikit-learn

Deadline：2017-11-20

Assignment 103 
练习内容：掌握推荐系统算法的实现原理，熟悉实验室平台RecQ。

详细说明：在RecQ平台中实现论文Collaborative Filtering for Implicit Feedback Datasets中的方法。步骤：首先Fork RecQ到自己的仓库，然后阅读已有的主要框架代码，参考其它基于item ranking的算法并在自己的分支中实现以上论文算法（algorithm/ranking目录下）。完成后经测试无误pull request到原项目。注：本次练习不需要编写实验报告
输入与输出：输入为平台内置数据集，输出为基于item recommendation的评估指标（内置）。

提示:注意算法执行速度

Deadline：2018-01-20
Assignment 104 
练习内容：音乐播放量预测，尝试多模型结合解决问题


经过7年的发展与沉淀，目前阿里音乐拥有数百万的曲库资源，每天千万的用户活跃在平台上，拥有数亿人次的用户试听、收藏等行为。在原创艺人和作品方面，更是拥有数万的独立音乐人，每月上传上万个原创作品，形成超过几十万首曲目的原创作品库，如此庞大的数据资源库对于音乐流行趋势的把握有着极为重要的指引作用。

本次练习以阿里音乐用户的历史播放数据为基础，期望同学们可以通过对阿里音乐平台上每个阶段艺人的试听量的预测，挖掘出即将成为潮流的艺人，从而实现对一个时间段内音乐流行趋势的准确把控。
数据说明

数据集包含抽样的歌曲艺人数据，以及和这些艺人相关的6个月内（20150301-20150830）的用户行为历史记录。数据集下载
用户行为表（mars_tianchi_user_actions）

列名

类型

说明

示例

user_id

String

用户唯一标识

7063b3d0c075a4d276c5f06f4327cf4a

song_id

String

歌曲唯一标识

effb071415be51f11e845884e67c0f8c

gmt_create

String

用户播放时间（unix时间戳表示）精确到小时

1426406400

action_type

String

行为类型：1，播放；2，下载，3，收藏

1

Ds

String

记录收集日（分区）

20150315

注：用户对歌曲的任意行为为一行数据。
歌曲艺人（mars_tianchi_songs）

列名

类型

说明

示例

song_id

String

歌曲唯一标识

c81f89cf7edd24930641afa2e411b09c

artist_id

String

歌曲所属的艺人Id

03c6699ea836decbc5c8fc2dbae7bd3b

publish_time

String

歌曲发行时间，精确到天

20150325

song_init_plays

String

歌曲的初始播放数，表明该歌曲的初始热度

0

Language

String

数字表示1,2,3…

100

Gender

String

1,2,3

1
任务

同学们需要自行划分训练集测试集，预测艺人随后2个月，即60天（20150701-20150830）的播放数据。注：训练集内不能包含后两个月的用户行为数据
评价指标
Deadline：2018-01-31
About
Assignments for newbies (students of Prof. Gao)
Resources
Readme
Activity
Custom properties
Stars
6 stars
Watchers
2 watching
Forks
7 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
// Auto-enable theater mode on YouTube
(function() {
function tryTheater() {
var btn = document.querySelector('button[aria-label="Theater mode"], ytd-player #player button[title="Theater mode"]');
if (btn && !btn.classList.contains('activated')) {
btn.click();
}
}
// Try immediately
tryTheater();
// Try after navigation (SPA)
var lastUrl = location.href;
setInterval(function() {
if (location.href !== lastUrl) {
lastUrl = location.href;
setTimeout(tryTheater, 500);
}
}, 1000);
// Also try on player load
var observer = new MutationObserver(tryTheater);
observer.observe(document.body, { childList: true, subtree: true });
})();
}
} catch(__e) { console.warn('[Userscript:YouTube Theater Mode Default]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
Assignments
Assignments for newbies (students of Prof. Gao)
Study Plan 学习计划
以下为针对2017-2018学年研一及保研同学的《统计学习方法》一书的阅读进度安排。
注:《统计学习方法》中有少许错误，可查看勘误表修正。

 章节  内容  日期  负责人 
第1章统计学习方法概论1-24页10.09-10.15
第2章感知机25-36页10.09-10.15
第3章k近邻法37-45页10.16-10.22
第4章朴素贝叶斯法47-53页10.16-10.22
第5章决策树55-75页10.23-10.29
第6章逻辑斯谛回归与最大熵模型77-94页10.30-11.05
第7章支持向量机95-134页11.06-11.19
第8章提升方法137-153页11.20-11.26
第9章EM算法及其推广155-170页11.27-12.03
第10章隐马尔可夫模型171-189页12.04-12.17
第11章条件随机场191-210页12.18-12.31
Assignment 101 
练习内容：熟练 KNN（K 邻近）算法的思想和编码实现

详细说明：利用 python 语言实现 KNN 算法，并对收集的鸢尾花数据进行分类。鸢尾花数据
分为两部分，一部分为 104 个带类别标记的样本组成的训练集，另一部分为不带类别标记的
46 个样本组成的测试集，要求对 46 个不带类别标记的样本进行预测。文件夹内包内含4个文件，
分别为 data-description.txt, training.txt, test.txt,knn.py。knn.py 为需要你来完成的代码。

输入与输出：输入训练集与测试集数据（见文本文件），输出分类正确率，召回率，F1

注意：请尽量不要调用第三方的直接实现，如scikit-learn

Deadline：2017-10-31

Assignment 102 
练习内容：熟练回归模型的思想和编码实现，掌握梯度下降和正则化方法。

详细说明：使用python语言实现回归模型，利用收集的NACA0012 airfoils数据对模型进行训练。
Airfoils 数据分为两部分，一部分为1052 个包含sound pressure level连续值输出的样本组成的训练集，
另一部分为不包含sound pressure level输出的451个样本组成的测试集，要求对451个不带输出值的样本进行输出预测。
文件夹内包含四个文件，分别为data-description.txt, training.txt, test.txt, linear.py。
其中linear.py为需要你来完成的代码。

输入与输出：输入训练集（6维）与测试集（5维）数据（见文本文件），输出为预测值与真实值的误差平方和。误差越小，则拟合越好。

提示:可以分别尝试用线性模型和多项式模型拟合训练数据，并用梯度下降法来求解模型参数，找到表现更好的模型。如果选择高阶多项式模型，请注意使用正则化项来避免模型过拟合，以提升模型在测试集上的表现。

注意：请尽量不要调用第三方的直接实现，如scikit-learn

Deadline：2017-11-20

Assignment 103 
练习内容：掌握推荐系统算法的实现原理，熟悉实验室平台RecQ。

详细说明：在RecQ平台中实现论文Collaborative Filtering for Implicit Feedback Datasets中的方法。步骤：首先Fork RecQ到自己的仓库，然后阅读已有的主要框架代码，参考其它基于item ranking的算法并在自己的分支中实现以上论文算法（algorithm/ranking目录下）。完成后经测试无误pull request到原项目。注：本次练习不需要编写实验报告
输入与输出：输入为平台内置数据集，输出为基于item recommendation的评估指标（内置）。

提示:注意算法执行速度

Deadline：2018-01-20
Assignment 104 
练习内容：音乐播放量预测，尝试多模型结合解决问题


经过7年的发展与沉淀，目前阿里音乐拥有数百万的曲库资源，每天千万的用户活跃在平台上，拥有数亿人次的用户试听、收藏等行为。在原创艺人和作品方面，更是拥有数万的独立音乐人，每月上传上万个原创作品，形成超过几十万首曲目的原创作品库，如此庞大的数据资源库对于音乐流行趋势的把握有着极为重要的指引作用。

本次练习以阿里音乐用户的历史播放数据为基础，期望同学们可以通过对阿里音乐平台上每个阶段艺人的试听量的预测，挖掘出即将成为潮流的艺人，从而实现对一个时间段内音乐流行趋势的准确把控。
数据说明

数据集包含抽样的歌曲艺人数据，以及和这些艺人相关的6个月内（20150301-20150830）的用户行为历史记录。数据集下载
用户行为表（mars_tianchi_user_actions）

列名

类型

说明

示例

user_id

String

用户唯一标识

7063b3d0c075a4d276c5f06f4327cf4a

song_id

String

歌曲唯一标识

effb071415be51f11e845884e67c0f8c

gmt_create

String

用户播放时间（unix时间戳表示）精确到小时

1426406400

action_type

String

行为类型：1，播放；2，下载，3，收藏

1

Ds

String

记录收集日（分区）

20150315

注：用户对歌曲的任意行为为一行数据。
歌曲艺人（mars_tianchi_songs）

列名

类型

说明

示例

song_id

String

歌曲唯一标识

c81f89cf7edd24930641afa2e411b09c

artist_id

String

歌曲所属的艺人Id

03c6699ea836decbc5c8fc2dbae7bd3b

publish_time

String

歌曲发行时间，精确到天

20150325

song_init_plays

String

歌曲的初始播放数，表明该歌曲的初始热度

0

Language

String

数字表示1,2,3…

100

Gender

String

1,2,3

1
任务

同学们需要自行划分训练集测试集，预测艺人随后2个月，即60天（20150701-20150830）的播放数据。注：训练集内不能包含后两个月的用户行为数据
评价指标
Deadline：2018-01-31
About
Assignments for newbies (students of Prof. Gao)
Resources
Readme
Activity
Custom properties
Stars
6 stars
Watchers
2 watching
Forks
7 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
// Remove or un-stick sticky/fixed headers that block content
(function() {
function unstick() {
document.querySelectorAll('header, nav, [role="banner"], .header, .navbar, .sticky, .fixed-top, [style*="position: fixed"], [style*="position:sticky"]').forEach(function(el) {
if (el.style.position === 'fixed' || el.style.position === 'sticky' || getComputedStyle(el).position === 'fixed' || getComputedStyle(el).position === 'sticky') {
el.style.position = 'static';
el.style.top = 'auto';
el.style.zIndex = 'auto';
}
});
}
unstick();
var observer = new MutationObserver(unstick);
observer.observe(document.body, { childList: true, subtree: true, attributes: true, attributeFilter: ['style', 'class'] });
})();
}
} catch(__e) { console.warn('[Userscript:Kill Sticky Headers]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
Assignments
Assignments for newbies (students of Prof. Gao)
Study Plan 学习计划
以下为针对2017-2018学年研一及保研同学的《统计学习方法》一书的阅读进度安排。
注:《统计学习方法》中有少许错误，可查看勘误表修正。

 章节  内容  日期  负责人 
第1章统计学习方法概论1-24页10.09-10.15
第2章感知机25-36页10.09-10.15
第3章k近邻法37-45页10.16-10.22
第4章朴素贝叶斯法47-53页10.16-10.22
第5章决策树55-75页10.23-10.29
第6章逻辑斯谛回归与最大熵模型77-94页10.30-11.05
第7章支持向量机95-134页11.06-11.19
第8章提升方法137-153页11.20-11.26
第9章EM算法及其推广155-170页11.27-12.03
第10章隐马尔可夫模型171-189页12.04-12.17
第11章条件随机场191-210页12.18-12.31
Assignment 101 
练习内容：熟练 KNN（K 邻近）算法的思想和编码实现

详细说明：利用 python 语言实现 KNN 算法，并对收集的鸢尾花数据进行分类。鸢尾花数据
分为两部分，一部分为 104 个带类别标记的样本组成的训练集，另一部分为不带类别标记的
46 个样本组成的测试集，要求对 46 个不带类别标记的样本进行预测。文件夹内包内含4个文件，
分别为 data-description.txt, training.txt, test.txt,knn.py。knn.py 为需要你来完成的代码。

输入与输出：输入训练集与测试集数据（见文本文件），输出分类正确率，召回率，F1

注意：请尽量不要调用第三方的直接实现，如scikit-learn

Deadline：2017-10-31

Assignment 102 
练习内容：熟练回归模型的思想和编码实现，掌握梯度下降和正则化方法。

详细说明：使用python语言实现回归模型，利用收集的NACA0012 airfoils数据对模型进行训练。
Airfoils 数据分为两部分，一部分为1052 个包含sound pressure level连续值输出的样本组成的训练集，
另一部分为不包含sound pressure level输出的451个样本组成的测试集，要求对451个不带输出值的样本进行输出预测。
文件夹内包含四个文件，分别为data-description.txt, training.txt, test.txt, linear.py。
其中linear.py为需要你来完成的代码。

输入与输出：输入训练集（6维）与测试集（5维）数据（见文本文件），输出为预测值与真实值的误差平方和。误差越小，则拟合越好。

提示:可以分别尝试用线性模型和多项式模型拟合训练数据，并用梯度下降法来求解模型参数，找到表现更好的模型。如果选择高阶多项式模型，请注意使用正则化项来避免模型过拟合，以提升模型在测试集上的表现。

注意：请尽量不要调用第三方的直接实现，如scikit-learn

Deadline：2017-11-20

Assignment 103 
练习内容：掌握推荐系统算法的实现原理，熟悉实验室平台RecQ。

详细说明：在RecQ平台中实现论文Collaborative Filtering for Implicit Feedback Datasets中的方法。步骤：首先Fork RecQ到自己的仓库，然后阅读已有的主要框架代码，参考其它基于item ranking的算法并在自己的分支中实现以上论文算法（algorithm/ranking目录下）。完成后经测试无误pull request到原项目。注：本次练习不需要编写实验报告
输入与输出：输入为平台内置数据集，输出为基于item recommendation的评估指标（内置）。

提示:注意算法执行速度

Deadline：2018-01-20
Assignment 104 
练习内容：音乐播放量预测，尝试多模型结合解决问题


经过7年的发展与沉淀，目前阿里音乐拥有数百万的曲库资源，每天千万的用户活跃在平台上，拥有数亿人次的用户试听、收藏等行为。在原创艺人和作品方面，更是拥有数万的独立音乐人，每月上传上万个原创作品，形成超过几十万首曲目的原创作品库，如此庞大的数据资源库对于音乐流行趋势的把握有着极为重要的指引作用。

本次练习以阿里音乐用户的历史播放数据为基础，期望同学们可以通过对阿里音乐平台上每个阶段艺人的试听量的预测，挖掘出即将成为潮流的艺人，从而实现对一个时间段内音乐流行趋势的准确把控。
数据说明

数据集包含抽样的歌曲艺人数据，以及和这些艺人相关的6个月内（20150301-20150830）的用户行为历史记录。数据集下载
用户行为表（mars_tianchi_user_actions）

列名

类型

说明

示例

user_id

String

用户唯一标识

7063b3d0c075a4d276c5f06f4327cf4a

song_id

String

歌曲唯一标识

effb071415be51f11e845884e67c0f8c

gmt_create

String

用户播放时间（unix时间戳表示）精确到小时

1426406400

action_type

String

行为类型：1，播放；2，下载，3，收藏

1

Ds

String

记录收集日（分区）

20150315

注：用户对歌曲的任意行为为一行数据。
歌曲艺人（mars_tianchi_songs）

列名

类型

说明

示例

song_id

String

歌曲唯一标识

c81f89cf7edd24930641afa2e411b09c

artist_id

String

歌曲所属的艺人Id

03c6699ea836decbc5c8fc2dbae7bd3b

publish_time

String

歌曲发行时间，精确到天

20150325

song_init_plays

String

歌曲的初始播放数，表明该歌曲的初始热度

0

Language

String

数字表示1,2,3…

100

Gender

String

1,2,3

1
任务

同学们需要自行划分训练集测试集，预测艺人随后2个月，即60天（20150701-20150830）的播放数据。注：训练集内不能包含后两个月的用户行为数据
评价指标
Deadline：2018-01-31
About
Assignments for newbies (students of Prof. Gao)
Resources
Readme
Activity
Custom properties
Stars
6 stars
Watchers
2 watching
Forks
7 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
// Universal Dark Mode - works on any site
(function() {
var enabled = true;
function applyDarkMode() {
if (!enabled) return;
// Create style element if it doesn't exist
var style = document.getElementById('universal-dark-mode-style');
if (!style) {
style = document.createElement('style');
style.id = 'universal-dark-mode-style';
document.head.appendChild(style);
}
// Dark mode CSS - inverts colors but preserves images/video
style.textContent = '
/* Invert everything except media */
html {
filter: invert(1) hue-rotate(180deg) !important;
background: #1a1a2e !important;
}
/* Restore images, videos, iframes, canvas */
img, video, iframe, canvas, svg, picture, [style*="background-image"] {
filter: invert(1) hue-rotate(180deg) !important;
}
/* Preserve specific elements that should not be inverted */
.no-dark-mode, .no-dark-mode *,
[data-theme="light"], [data-theme="light"],
.ace_editor, .ace_editor *,
.CodeMirror, .CodeMirror *,
.monaco-editor, .monaco-editor *,
.markdown-body pre, .markdown-body pre *,
.highlight, .highlight *,
pre code, pre code * {
filter: none !important;
}
/* Fix common UI elements */
.modal, .popup, .dropdown-menu, .tooltip, .popover {
filter: invert(1) hue-rotate(180deg) !important;
background: #2d2d44 !important;
border-color: #444 !important;
}
/* Scrollbars */
::-webkit-scrollbar { background: #1a1a2e !important; }
::-webkit-scrollbar-thumb { background: #444 !important; }
::-webkit-scrollbar-thumb:hover { background: #555 !important; }
/* Selection */
::selection { background: #4ecdc4 !important; color: #1a1a2e !important; }
::-moz-selection { background: #4ecdc4 !important; color: #1a1a2e !important; }
';
}
function removeDarkMode() {
var style = document.getElementById('universal-dark-mode-style');
if (style) style.remove();
}
// Toggle with Alt+Shift+D
document.addEventListener('keydown', function(e) {
if (e.altKey && e.shiftKey && e.key === 'D') {
e.preventDefault();
enabled = !enabled;
if (enabled) {
applyDarkMode();
console.log('[Universal Dark Mode] Enabled');
} else {
removeDarkMode();
console.log('[Universal Dark Mode] Disabled');
}
}
});
// Apply on load
applyDarkMode();
// Re-apply on dynamic content
var observer = new MutationObserver(function(mutations) {
if (enabled && !document.getElementById('universal-dark-mode-style')) {
applyDarkMode();
}
});
observer.observe(document.head, { childList: true });
console.log('[Universal Dark Mode] Loaded - Press Alt+Shift+D to toggle');
})();
}
} catch(__e) { console.warn('[Userscript:Universal Dark Mode]', __e); }
})();
})();

Skip to content
BranchesTags
Repository files navigation
Assignments
Assignments for newbies (students of Prof. Gao)
Study Plan 学习计划
以下为针对2017-2018学年研一及保研同学的《统计学习方法》一书的阅读进度安排。
注:《统计学习方法》中有少许错误，可查看勘误表修正。

 章节  内容  日期  负责人 
第1章统计学习方法概论1-24页10.09-10.15
第2章感知机25-36页10.09-10.15
第3章k近邻法37-45页10.16-10.22
第4章朴素贝叶斯法47-53页10.16-10.22
第5章决策树55-75页10.23-10.29
第6章逻辑斯谛回归与最大熵模型77-94页10.30-11.05
第7章支持向量机95-134页11.06-11.19
第8章提升方法137-153页11.20-11.26
第9章EM算法及其推广155-170页11.27-12.03
第10章隐马尔可夫模型171-189页12.04-12.17
第11章条件随机场191-210页12.18-12.31
Assignment 101 
练习内容：熟练 KNN（K 邻近）算法的思想和编码实现

详细说明：利用 python 语言实现 KNN 算法，并对收集的鸢尾花数据进行分类。鸢尾花数据
分为两部分，一部分为 104 个带类别标记的样本组成的训练集，另一部分为不带类别标记的
46 个样本组成的测试集，要求对 46 个不带类别标记的样本进行预测。文件夹内包内含4个文件，
分别为 data-description.txt, training.txt, test.txt,knn.py。knn.py 为需要你来完成的代码。

输入与输出：输入训练集与测试集数据（见文本文件），输出分类正确率，召回率，F1

注意：请尽量不要调用第三方的直接实现，如scikit-learn

Deadline：2017-10-31

Assignment 102 
练习内容：熟练回归模型的思想和编码实现，掌握梯度下降和正则化方法。

详细说明：使用python语言实现回归模型，利用收集的NACA0012 airfoils数据对模型进行训练。
Airfoils 数据分为两部分，一部分为1052 个包含sound pressure level连续值输出的样本组成的训练集，
另一部分为不包含sound pressure level输出的451个样本组成的测试集，要求对451个不带输出值的样本进行输出预测。
文件夹内包含四个文件，分别为data-description.txt, training.txt, test.txt, linear.py。
其中linear.py为需要你来完成的代码。

输入与输出：输入训练集（6维）与测试集（5维）数据（见文本文件），输出为预测值与真实值的误差平方和。误差越小，则拟合越好。

提示:可以分别尝试用线性模型和多项式模型拟合训练数据，并用梯度下降法来求解模型参数，找到表现更好的模型。如果选择高阶多项式模型，请注意使用正则化项来避免模型过拟合，以提升模型在测试集上的表现。

注意：请尽量不要调用第三方的直接实现，如scikit-learn

Deadline：2017-11-20

Assignment 103 
练习内容：掌握推荐系统算法的实现原理，熟悉实验室平台RecQ。

详细说明：在RecQ平台中实现论文Collaborative Filtering for Implicit Feedback Datasets中的方法。步骤：首先Fork RecQ到自己的仓库，然后阅读已有的主要框架代码，参考其它基于item ranking的算法并在自己的分支中实现以上论文算法（algorithm/ranking目录下）。完成后经测试无误pull request到原项目。注：本次练习不需要编写实验报告
输入与输出：输入为平台内置数据集，输出为基于item recommendation的评估指标（内置）。

提示:注意算法执行速度

Deadline：2018-01-20
Assignment 104 
练习内容：音乐播放量预测，尝试多模型结合解决问题


经过7年的发展与沉淀，目前阿里音乐拥有数百万的曲库资源，每天千万的用户活跃在平台上，拥有数亿人次的用户试听、收藏等行为。在原创艺人和作品方面，更是拥有数万的独立音乐人，每月上传上万个原创作品，形成超过几十万首曲目的原创作品库，如此庞大的数据资源库对于音乐流行趋势的把握有着极为重要的指引作用。

本次练习以阿里音乐用户的历史播放数据为基础，期望同学们可以通过对阿里音乐平台上每个阶段艺人的试听量的预测，挖掘出即将成为潮流的艺人，从而实现对一个时间段内音乐流行趋势的准确把控。
数据说明

数据集包含抽样的歌曲艺人数据，以及和这些艺人相关的6个月内（20150301-20150830）的用户行为历史记录。数据集下载
用户行为表（mars_tianchi_user_actions）

列名

类型

说明

示例

user_id

String

用户唯一标识

7063b3d0c075a4d276c5f06f4327cf4a

song_id

String

歌曲唯一标识

effb071415be51f11e845884e67c0f8c

gmt_create

String

用户播放时间（unix时间戳表示）精确到小时

1426406400

action_type

String

行为类型：1，播放；2，下载，3，收藏

1

Ds

String

记录收集日（分区）

20150315

注：用户对歌曲的任意行为为一行数据。
歌曲艺人（mars_tianchi_songs）

列名

类型

说明

示例

song_id

String

歌曲唯一标识

c81f89cf7edd24930641afa2e411b09c

artist_id

String

歌曲所属的艺人Id

03c6699ea836decbc5c8fc2dbae7bd3b

publish_time

String

歌曲发行时间，精确到天

20150325

song_init_plays

String

歌曲的初始播放数，表明该歌曲的初始热度

0

Language

String

数字表示1,2,3…

100

Gender

String

1,2,3

1
任务

同学们需要自行划分训练集测试集，预测艺人随后2个月，即60天（20150701-20150830）的播放数据。注：训练集内不能包含后两个月的用户行为数据
评价指标
Deadline：2018-01-31
About
Assignments for newbies (students of Prof. Gao)
Resources
Readme
Activity
Custom properties
Stars
6 stars
Watchers
2 watching
Forks
7 forks
Report repository
Releases
Packages
Contributors
Languages