BUAA--2021机器学习考试

BUAA--2021机器学习考试

    • 考试组成
    • 参考书目
    • 试题
      • 1决策树
      • 2 向量机SVM,软间隔模型表示,硬间隔模型表示,如何应对非线性可分的情况。
      • 3 集成学习(串行并行)
      • 4 K均值算法,混合高斯模型的异同点,和EM算法的理解
      • 5极大团、势函数和贝叶斯网络的联合概率密度
      • 6 解释残差神经网络为什么能够避免网络退化,以及残差网络的损失函数求导过程
      • 7 基于最大方差思想的PCA算法
      • 8 BP推导
      • 9 对深度学习的认识

考试组成

平时成绩(40%)+ 考试成绩(60%)

参考书目

老师讲课就是西瓜书上一章一章的讲,如果有同学西瓜书看的比较多,考试当然不在话下了。还是建议大家看一下西瓜书的。

试题

1决策树

决策树的计算要有log运算,所以助教都会提前说明要带计算器。也不会出的特别复杂,多看看PPT上的例题就ok。

2 向量机SVM,软间隔模型表示,硬间隔模型表示,如何应对非线性可分的情况。

对PPT上的SVM推导要熟练一点,软间隔加入松弛变量,SVM用核函数应对非线性可分的情况。

3 集成学习(串行并行)

对集成学习串行和并行的理解,以Boosting和Bagging为例子进行解释,对PPT要多看。

4 K均值算法,混合高斯模型的异同点,和EM算法的理解

K均值的过程要写出过程Step,混合高斯模型要写出模型,EM算法分别写出E步骤,M步骤。

5极大团、势函数和贝叶斯网络的联合概率密度

写出有向、无向贝叶斯网络的联合概率密度表达式。

6 解释残差神经网络为什么能够避免网络退化,以及残差网络的损失函数求导过程

PPT上的推导公式

7 基于最大方差思想的PCA算法

不完全统计,这个题是一年最大方差,一年最小均方误差。看懂PPT的讲解,对两种思想方法都要会推导

8 BP推导

反向传播的推导,这个就按照PPT上的方法,一步一步来就好。
一定要注意有没有激活函数,或者哪些有激活函数

9 对深度学习的认识

这一道题是一道20分的主观题!!!(离谱~)按照我的理解就是老师为了避免大家挂科出的。大家只管写就好,写啥不重要,重要的是不要有空白。要不然老师想捞你都捞不动

你可能感兴趣的:(BUAA,机器学习,神经网络)