华东师范大学机器学习试题

LawsonAbs的认知与思考,还请各位读者审慎阅读。

总结

  • 文章来源:csdn:LawsonAbs
  • 持续更新~

欢迎选修ssl老师的机器学习课,担心吗?害怕吗?还觉得学习机器学习有意思吗? 这里总结一下ssl老师课程中的考试题,希望能够帮助到师弟师妹们。希望后续有新考试题出来时,师弟或者师妹可以联系我将其加入题库。

1. 2010年试题

求高斯分布的均值和协方差矩阵的最大似然估计

2. 2012年考题

名词解释:贝叶斯公式、最小误差概率模型

最大似然估计,最大后验估计,贝叶斯估计的含义?

  • 最大后验估计就是在最大似然估计的基础上加了一个参数的先验
  • 贝叶斯估计就是使用贝叶斯定理计算一个参数的后验分布

已知x,y是连续型变量,其中 x = g ( y ) x=g(y) x=g(y),已知x的概率密度为 p X ( x ) p_X(x) pX(x),求y的概率密度表达式。

利用分布求

简述规范化的作用

  • 线性回归中,使用L2范数作为惩罚项的正则化最小二乘法称为岭回归
  • 线性回归中,使用L1范数作为惩罚项的正则化最小二乘法称为Lasso回归

如何进行主成分分析?

HMM的联合分布表达式

3. 2013年考题

head to head 的公式推导

这是汇总结构,汇总结构分两种情况:一种是节点被观测,一种是节点不被观测。

  • B 节点被观测
    华东师范大学机器学习试题_第1张图片
  • B 节点不被观测
    在这里插入图片描述

线性分类器两类不可分问题的函数表达式以及其实现思路

KNN的基本思想

kmeans的基本思想

  • 目标: 最小化所有数据到其所属簇中心的距离的平方和
  • 方法:迭代优化近似求解

4. 2014年考题

如何检验某个函数是否是核函数?

  • 根据核函数的定义
  • 根据有限半正定性

和积算法的过程是什么?

什么是共轭先验?

head to tail 的推导

隐马尔可夫模型如何产生观测序列?

写出HMM模型用到的所有参数,并写出其全部变量的联合分布

什么是最大团?

为什么需要近似推断?

EM算法的详细步骤?

Fisher 的基本思想,优化表达式及结果

Fisher线性判别也称为线性判别分析(Linear discriminant analysis,LDA),既可以看成一种线性分类器,也可以看成一种监督降维方法。
用途:

  • 降维
  • 分类

优势:

  • 同时考虑类间与类内的关系
    即:一方面希望两个类别的数据投影后的均值之间的距离尽可能大。(这个距离怎么衡量?)。假设类别一的均值是 m 1 m_1 m1,类别2的均值是 m 2 m_2 m2

5. 2015年考题

线性回归模型定义

期望传播

你可能感兴趣的:(ML,机器学习,人工智能,模式识别)