Kaggle房价预测。

回归任务是指对变量进行预测的任务。

全连接神经网络：完全由线性层串行连接起来的网络。在全连接神经网络中，我们会把图像像素映射为一个较长的张量，这样会丧失图像像素之间原始的空间结构。会保留图像像素之间原始的空间结构的神经网络。convolution卷积：会保留图像像素之间原始的空间结构。subsampling下采样：缩小图像，提取特征值。卷积神经网络分为特征提取和分类两部分。Input Channel输入通道数、Output Chan

机械学习的过程： 1.准备数据集DataSet——>2.选择模型Model——>3.训练Training——>4.推理Infering。注：数据集策略，将数据集一分为二，一部分为训练集，一部分为开发集。训练集进行训练，开发集进行性能评估。的训练样本训练模型，用来预测未来输入样本的标签，如用于逻辑回归分类器。注：经过训练，输入新的数据能推测出输出。注：这个机械学习开始伴随一个随机参数，为损失值Tra

支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面举个栗子在桌子上似乎有规律地放了两种颜色的球，要求你用一根棍子分离开他们，并且尽量再放更多的球之后，仍然适用。SVM就是试图把棍放

处理数据集两种方法：1.数据集不够大，直接读进内存。2.数据集所占空间比较大，像图片、语音的数据集，将文件名读进内存，根据文件名加载问价。只要数据集能支持索引和提供数据集长度，DataLoader就能对数据集生产batch。名词解释：Epoch，Batch，Batch-Size，Iterations。Batch-Size（批量大小）：batch进行一次前向和反向传播的样本数量。shuffle：是否

机械学习的过程： 1.准备数据集DataSet——>2.选择模型Model——>3.训练Training——>4.推理Infering。注：数据集策略，将数据集一分为二，一部分为训练集，一部分为开发集。训练集进行训练，开发集进行性能评估。的训练样本训练模型，用来预测未来输入样本的标签，如用于逻辑回归分类器。注：经过训练，输入新的数据能推测出输出。注：这个机械学习开始伴随一个随机参数，为损失值Tra

torch.optim.SGD(params, lr=required, momentum=0, dampening=0,weight_decay=0, nesterov=False),params参数，lr学习率。torch.nn.Linear(in_features,out_features,bias=True),in_features,out_features为输入样本和输出样本的数量。，如

处理数据集两种方法：1.数据集不够大，直接读进内存。2.数据集所占空间比较大，像图片、语音的数据集，将文件名读进内存，根据文件名加载问价。只要数据集能支持索引和提供数据集长度，DataLoader就能对数据集生产batch。名词解释：Epoch，Batch，Batch-Size，Iterations。Batch-Size（批量大小）：batch进行一次前向和反向传播的样本数量。shuffle：是否

一个八维数据集：数据集，每一行称为一个样本，每一列称为一个特征。回归模型的更改：n维的输入向量x和n维的权重w的转置作内积 + 广播处理的偏移量b，得到的1维的预测值，再使用logistic函数进行映射。使用对输入维度和输出维度进行调整。如下图所示，可以使8个维度的输入张量映射到1个维度的输出张量。可以从n维的输入直接映射到1维的输出，也可以分多层一步一步的进行映射，例如：从8维映射到6维，再从6