作业二

机器学习概述及感知机模型

截止时间：2019年10月6日 23:59

一、机器学习 – 极大似然估计

证明：模型是条件概率分布，当损失函数是对数损失函数时，经验风险最小化等价于极大似然估计.

对数损失函数: $ L(Y, P(Y|X)) = - \log P(Y|X)$

二、感知机

（二选一）用感知机模型对以下数据进行分类/拟合并绘制结果：

1 2	%matlab读取数据 [X, Y] = dummy_data(200);

1 2	%matlab读取数据 [X, Y] = house_price();

三、最近邻KNN

你需要利用以下任意一种方式实现K近邻算法并绘制分类边界：

机器学习 – 极大似然估计
- 提供pdf（可以拍照截图）
感知机和最近邻KNN
- 可运行的代码(Matlab或Python)
  - 格式：.m, .mlx, .py, .ipynb
- [Optional] 补充材料 – 避免代码不可运行导致的扣分
  - 运行结果
  - 说明文档
  - Python代码以课程指定工具箱及其版本为准，若不然需要附带环境配置说明

具体提交方式见作业提交系统

总分 5 = 机器学习 1 + 感知机 2 + 最近邻 2