2021哈工大机器学习期末

和往年题有不少重复（极度怀疑老师看我们在群里问什么，他就拿什么作为考题，因为他也不知道考什么了，他之前还说要改变题啥的。。。）

1. 请说明参数正则化和参数先验之间的关系，并解释机器模型参数估计为什么有时候使用正则化
2. 条件熵定义，举例，并说明有什么好处，给出直观解释
3. NB的基本假设，有什么好处，如果在实际应用中满足，是否可以称为在出错概率意义下的最优分类器，为什么
4. 简述K-means算法和GMM模型EM算法的相同与不同点，并说明优势与劣势，GMM参数估计，E步更新的公式是什么，在该公式下，M步所最大化的期望是什么
5. 线性可分下，SVM优化目标、约束，并写出解的形式（数学公式表达），以上公式考研直接优化求解，为什么要使用对偶，好处是什么。
6. EM优化GMM模型时，有时会出现类条件分布的参数协方差矩阵不可逆，分析其原因，你一般如何解决
7. 逻辑回归所求的分类器是线性分类器吗，如果是，请说明原因，如果不是，请说明理由
8. 向量（或函数）内积在《机器学习》课程中多次出现，请举出三个例子，并解释

ps：如果，往年期末是训练集，真正期末是测试集，那么学的过拟合也挺好的，没必要剪枝，而且说不定比你自己瞎学分还高。最后这测试集出得太la了，亏他还是教ML的，而且其实课堂去不去都无所谓了，自学即可。。。