國科大葉齊祥機器學習期末考試_第1頁
國科大葉齊祥機器學習期末考試_第2頁
國科大葉齊祥機器學習期末考試_第3頁
全文預覽已結束

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、精選優質文檔-傾情為你奉上中國科學院大學 課程編號：E32004H 試 題 專 用 紙 課程名稱：機器學習方法與應用 任課教師：葉齊祥 姓名 學號 成績 說明：本試卷共兩頁，滿分100分，其中概念題45分，應用題55分。考試時間為100分鐘，請將試題的答案都寫在答題紙上。一、 概念解釋與簡述題（45 分）1. 樣本（樣例）、機器學習、統計學習2. 機器學習的一般步驟（請畫示意圖）3. 樣本屬性的主要類型4信息增益5核函數SVM的判別方程6. Adaboost的判別函數7二維數據三個混合項的高斯模型的概率密度方程8聚類分析有哪些主要距離度量方法？請列舉3-4種9列舉K-means聚類方法與GMM

2、s方法的共同點二、 計算與分析題（共55 分）表1- 是否去打球訓的練樣本，天氣、濕度、溫度、風為屬性編號天氣溫度濕度風是否去打球（標號）1晴天炎熱高弱不去2晴天炎熱高強不去3陰天炎熱高弱不去4下雨適中高弱去5下雨寒冷正常弱去6下雨寒冷正常強不去7陰天寒冷正常強去8晴天適中高弱不去9晴天寒冷正常弱去10下雨適中正常弱去11晴天適中正常強去12陰天適中高強去13陰天炎熱正常弱去14下雨適中高強不去中國科學院大學機器學習方法與應用 考試試題 A卷1. 決策樹屬性選擇 ：對于表-1中的數據，“濕度”、“風”兩個 分別將數據劃分如下：濕度高正常(2+, 5-)(6+, 1-)S: (9+, 5-)風

3、弱強(5+, 3-)(3+, 3-)S: (9+, 5-)其中”9+”表示9個正例（去打球）、“5-”表示5個反例（不去打球），其他依此類推。請基于“信息增益”的方法判斷哪個屬性更好？2. 貝葉斯方法：對于表-1中的數據，給一個新實例<天氣（陰天）, 溫度（寒冷）, 濕度（高）, 風（強），請基于樸素貝葉斯方法決策是否去打球？ 3. SVM ：請從分類間距最大化的角度，基于二次規劃（無需求解過程）推導線性SVM的判別方程。4. 深度神經網：簡述LeNet5卷積神經網的結構、權值求解方法，著重闡明卷積神經網絡權值、連接的物理含義。并結合傳統神經網絡的BP算法，簡要推導卷積神經網絡的誤差傳播過程。5. 數據降維：PCA與Manifold 數據降維的不同點在哪里？6. 其他：請談談你將來的科研中可能使用那些機器學習方法，并簡要說明選擇此種方法的原因。 共 2 頁 第2 頁機器學習方法與應用機器學習方法與應用機器學習方法與應用機器學習方法與應用機器學習方法與應用機器學習方法與應用機器學習方法與應用機器學習方法與

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論