CMU 10-301 HW9：用 Ensembles、k-Means、PCA 與推薦系統收束全課

🌏 English version

官方 handout 完整題名是 Homework 9: Learning Paradigms，也是最後一份、純 written 作業。四個主要題組依序是 PCA、k-Means、Ensemble Methods 與 Recommender Systems。ZIP 提供 PDF、LaTeX template、題目圖與少量作圖資料檔；沒有 starter code、完整 dataset 或 reference answers。

四個主題的共同問題

Ensemble 問如何組合多個預測器；k-means 問沒有 label 時如何以距離組群；PCA 問如何保留主要變異；推薦系統問如何利用稀疏的使用者—項目訊號。方法不同，但都要求先說清楚 objective、representation 與失敗條件。

第一個檢查動作與結業驗收

沒有必要的程式命令；先開啟 ZIP 的 LaTeX template 與 figures/data，確認每張圖對應 PCA、k-means 或 recommender 題組後再計算。完成判準是能手跑 k-means assignment/update、計算二維 PCA 方向、解釋 ensemble 的 bias/variance 取捨與推薦資料的稀疏性，最後畫出全課方法選擇圖。官方未提供答案，不把自行推導寫成官方驗證。

參考資料

• HW9 public bundle
• Spring 2026 coursework