这是李宏毅2021春季机器学习教程的作业1，本篇文章是作业介绍，内附数据下载，具体解答看下一篇文章。
目录
目标（Objectives）
- 用深度神经网络（DNN）解决回归问题（Solve a regression problem with deep neural networks (DNN)）
- 知道基础的DNN训练技巧，如超参数调整、特征选择、正则化（Understand basic DNN training tips e.g. hyper-parameter tuning, feature selection, regularization）
- 熟悉PyTorch（Get familiar with PyTorch）
任务描述（Task Description）
新冠病毒案例预测。给定美国特定州过去三天的调查结果，预测第三天新的测试样本新冠阳性的概率/百分比。（COVID-19 Cases Prediction.Given survey results in the past 3 days in a specific state in U.S., then predict the percentage of new tested positive cases in the 3rd day.）
调查的属性（Features）
州信息等。
数据（Data）
训练数据2700例，测试数据893例（最后一列未知，需要模型预测）。数据下载点李宏毅2021春季机器学习教程HW1数据.rar。
评估指标（RMSE）
本作业使用的评估指标为Root Mean Squared Error (RMSE)。
助教给的调参建议（Hints）
- 特征选择（Feature selection -what other features are useful?）
- DNN结构：层数，维度，激活函数（layers? dimension? activation function?)
- 训练：mini-batch，optimizer，learning rate
- L2 regularization
说明：记录学习笔记，如果错误欢迎指正！写文章不易，转载请联系我。