Add homework 04

2018-09-30 09:34:27 +08:00
parent b7d6819dfc
commit 3f9acde668
9 changed files with 499 additions and 18 deletions
@@ -3,22 +3,29 @@
 ## 内容：
 * 任务类型：多分类

-* 背景介绍：在交通摩擦（事故）发生后，理赔员会前往现场勘察、采集信息，这些信息往往影响着车主是否能够得到保险公司的理赔。训练集数据包括理赔人员在现场对该事故方采集的36条信息，信息已经被编码，以及该事故方最终是否获得理赔。我们的任务是根据这36条信息预测该事故方没有被理赔的概率。
+* 背景介绍：FashionMNIST 是一个替代 [MNIST 手写数字集](https://link.zhihu.com/?target=http%3A//yann.lecun.com/exdb/mnist/)的图像数据集。 它是由 Zalando（一家德国的时尚科技公司）旗下的研究部门提供。其涵盖了来自 10 种类别的共 7 万个不同商品的正面图片。
+
+  FashionMNIST 的大小、格式和训练集/测试集划分与原始的 MNIST 完全一致。60000/10000 的训练测试数据划分，28x28 的灰度图片。你可以直接用它来测试你的机器学习和深度学习算法性能，**且不需要改动任何的代码**。
+
+  这个数据集的样子大致如下（每个类别占三行）：
+
+  ![fashion-mnist.jpg](images/fashion-mnist.jpg)

-* 数据介绍：训练集中共有200000条样本，预测集中有80000条样本。 
-![data_description](images/data_description.png)

-* 评价方法：Precision-Recall AUC


 ## 要求：
+
 1. 构建深度神经网络，完成多分类
 2. 编写爬虫程序，到taobao等网站抓取一些衣服、鞋子的图片，并利用训练好的模型进行分类
-3. 评估自己抓取图像的分类精度
-4. 分析结果的效果，综合考虑各种方法，改进方法，并提交结果
-5. 按照`report_template.ipynb`撰写自己的报告
+3. 对于未属于训练数据集中的商品类别，考虑使用何种方法能够判断出类别为`不支持的类别`
+4. 评估自己抓取图像的分类精度
+5. 分析结果的效果，综合考虑各种方法，改进方法，并提交结果
+6. 按照`report_template.ipynb`撰写自己的报告
+


 ## References
-* [这个数据的链接](http://sofasofa.io/competition.php?id=2)
+
+* [这个数据的链接](https://github.com/zalandoresearch/fashion-mnist)