四月小结
机器学习基础理论学习
现在大三，之前没有过什么能拿得出手的项目，一度为此愁得不行。在四月得到一些指点，明确以后如果要走机器学习、数据挖掘方面的职业路线，就还是打好理论知识的基础先。项目的话，我打算尽量挤时间完整地完成一个自己构思地机器学习项目，最好能做得完整。
目前四月理论知识已自行整理学习涵盖：
监督学习理论：决策树基础+随机森林、感知机、朴素贝叶斯、KNN
无监督学习理论：聚类方法-K-means、降维方法-主成分分析（总体主成分分析）
数字仿真课设
数字仿真课设要求使用anylogic实现 行人及车辆的交通信号灯控制。基本上来说就是用强化学习的思想去训练一个交通信号灯模型，使得交通拥挤的情况尽可能减少。
四月基本上是处于一个理论学习的状态，目前学习了：
Policy-Gradient\DQN\Actor-Critic
截止5.1，基本实现了基于DQN的模型，还没怎么跑过训练，不过与老师讨论后又说可以了解一下多Agent的RL。有点小晕，不过我也打算看看主流的交通模型是怎么处理的，应该五月前半个月会用来学习这个什么多agent以及训练已经写好的模型，后半个月就再看情况实现多agent。
大数据
这学期开的课我还都挺喜欢的（除了编译原理），像大数据、数字仿真这些理论与项目结合的课程我还是比较中意的！四月份末才开的课，基本上是了解大数据概况吧，以及简单安装和跑了一下hadoop。不过打算看看认真规划一下，买了本书打算跑几个项目学一下怎么跟机器学习结合使用嘿嘿。
目前学习了：Mapreduce原理及上手实现。
常规算法
这方面可太薄弱了，每天会努力保持3道leetcode。加油加油！
反思
四月学习的有些紧张，通过学习发现有些先导课程知识没学好。比如推导主成分分析涉及到一些矩阵特征值blabla的，有些线代的知识给忘了，要抓紧重新捡起来！决策树方面其实只是学了非常基础的东西，发现还有关于Boosting、GBDT、Xgboost、LightGBM这些没涉猎，要逐渐安排起来哈！
而且发现通过博客记录学习固然不错，但要把这些基础理论都记录上去可太耗时了，所以决定博客用于记录项目，以及一些理论的注意要点。最近在跟着课本推导公式的时候总觉得发明这些的人可真够强的，不时也有豁然开朗的舒畅感，数学还是得好好学。
机器学习理论要学的东西有好多，所幸感觉还挺有意思的，五月也继续加油吧。