机器学习基础（一）

￡神魔★判官ぃ 2023-10-01 15:59 237阅读 0赞

## **机器学习基础实验报告** ##

## **实验一：** ##

### 一、实验目的 ###

1.  熟悉AWS SageMaker平台
2.  学习如何对内存中的数据进行操作，NDArray是一个类，也是存储和变换数据的主要工具更加适合深度学习。
3.  学习如何使用MXNet提供的 autograd 模块来自动求梯度。
4.  学习对有用到的MXNet函数和类如何查阅文档。
5.  学习如何只利用 NDArray 和 autograd 来实现一个线性回归的训练。

### 二、实验内容和步骤 ###

#### **练习一：** ####

运行本节中的代码，保存运行结果

1. 构造两个100x100大小,类型为NDArray的矩阵A和B，其元素符合均值为0，标准差为1的随机正太分布

2. 计算向量 （大小为100x1的向量），这里 （ 范数的平方,注意这里范数计算出来的 值需要转成标量才能取平方），其中下标i代表B矩阵第i列，向量d类型为NumPy格式

3. 将第41行notebook中的条件判别式X==Y改为X<Y,看看能够得到什么样的NDArray

####  ####

#### **练习二：** ####

运行本节代码，并保存结果到实验报告

运行下列控制流求梯度的例子，并分析结果。

import math

def f(x):

y = x \# going to change y but still want to use x

if x < 0.75: \# variable num\_loops because it depends on x

num\_loops = math.floor(1/(1-x.asscalar()))

for i in range(num\_loops):

y = y \* x \# increase polynomial degree

else: \# otherwise flatline

y = y \* 0

return y

def get\_grad(f, x):

x.attach\_grad()

with autograd.record():

y = f(x)

y.backward()

return x.grad

xs = nd.arange(0.0, 1.0, step=0.1)

grads = \[get\_grad(f, x).asscalar() for x in xs\]

print(grads)

#### **练习三：** ####

查阅 NDArray 支持的其他操作，截图放在实验报告里。

#### **练习四：** ####

为什么 squared\_loss 函数中需要使用 reshape 函数？

尝试使用不同的学习率和批量大小，观察损失函数值的下降趋势。

### 三、代码及运行结果分析 ###

#### **练习一：** ####

#### ![fc91f266f4ee40179e85e1f7d47bf465.png][] ####

#### **练习二：** ####

![7629e296a7e145d2853c6e6ae7a7daa6.png][]

####  ####

#### **练习三：** ####

#### ![541c08fa323049798828d0e0d6ce49e2.png][] ####

####  ####

#### **练习四：** ####

![8cde20a31087470a9d5ee51e8efccb23.png][]

### 四、心得体会 ###

本次实验学习先了解python中的ndarray的相关知识，进而进行学习相关的深度学习如自动求梯度，以及线性回归的相关训练。本次实验还查阅了NDArray 支持的其他操作，从而能更加的了解NDArray并而学习相关知识。通过本次实验，收获颇多，对今后机器学习有了更大的帮助。

#### 注释：练习题答案全在实验截图当中。 ####

[fc91f266f4ee40179e85e1f7d47bf465.png]: https://img-blog.csdnimg.cn/fc91f266f4ee40179e85e1f7d47bf465.png
[7629e296a7e145d2853c6e6ae7a7daa6.png]: https://img-blog.csdnimg.cn/7629e296a7e145d2853c6e6ae7a7daa6.png
[541c08fa323049798828d0e0d6ce49e2.png]: https://img-blog.csdnimg.cn/541c08fa323049798828d0e0d6ce49e2.png
[8cde20a31087470a9d5ee51e8efccb23.png]: https://img-blog.csdnimg.cn/8cde20a31087470a9d5ee51e8efccb23.png