国科大叶齐祥机器学习期末考试_第1页
国科大叶齐祥机器学习期末考试_第2页
国科大叶齐祥机器学习期末考试_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

中国科学院大学 课程编号：E32004H 试 题 专 用 纸 课程名称：机器学习方法与应用 任课教师：叶齐祥 姓名 学号 成绩 说明：本试卷共两页，满分100分，其中概念题45分，应用题55分。考试时间为100分钟，请将试题的答案都写在答题纸上。一、 概念解释与简述题（45 分）1. 样本（样例）、机器学习、统计学习2. 机器学习的一般步骤（请画示意图）3. 样本属性的主要类型4信息增益5核函数SVM的判别方程6. Adaboost的判别函数7二维数据三个混合项的高斯模型的概率密度方程8聚类分析有哪些主要距离度量方法？请列举3-4种9列举K-means聚类方法与GMMs方法的共同点二、 计算与分析题（共55 分）表1- 是否去打球训的练样本，天气、湿度、温度、风为属性编号天气温度湿度风是否去打球（标号）1晴天炎热高弱不去2晴天炎热高强不去3阴天炎热高弱不去4下雨适中高弱去5下雨寒冷正常弱去6下雨寒冷正常强不去7阴天寒冷正常强去8晴天适中高弱不去9晴天寒冷正常弱去10下雨适中正常弱去11晴天适中正常强去12阴天适中高强去13阴天炎热正常弱去14下雨适中高强不去中国科学院大学机器学习方法与应用 考试试题 A卷1. 决策树属性选择 ：对于表-1中的数据，“湿度”、“风”两个 分别将数据划分如下：湿度高正常(2+, 5-)(6+, 1-)S: (9+, 5-)风 弱强(5+, 3-)(3+, 3-)S: (9+, 5-)其中”9+”表示9个正例（去打球）、“5-”表示5个反例（不去打球），其他依此类推。请基于“信息增益”的方法判断哪个属性更好？2. 贝叶斯方法：对于表-1中的数据，给一个新实例天气（阴天）, 温度（寒冷）, 湿度（高）, 风（强），请基于朴素贝叶斯方法决策是否去打球？ 3. SVM ：请从分类间距最大化的角度，基于二次规划（无需求解过程）推导线性SVM的判别方程。4. 深度神经网：简述LeNet5卷积神经网的结构、权值求解方法，着重阐明卷积神经网络权值、连接的物理含义。并结合传统神经网络的BP算法，简要推导卷积神经网络的误差传播过程。5. 数据降维：PCA与Manifold 数据降维的不同点在哪里？6. 其他：请谈谈你将来的科研中可能使用那些机器学习方法，并简要说明选择此种方法的原因。 共 2 页 第2 页机器学习方法与应用机器学习方法与应用机器学习方法与应用机器学习方法与应用机器学习方法与应用机器学习方法与应用机器学习方法与应用
人人文库> 全部分类> 应用文书 > 事务文书

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论