机器学习期末考试题

1、回归和分类都是有监督学习问题

2、回归问题和分类问题都有可能发生过拟合

3、一般来说，回归不用在分类问题上，但是也有特殊情况比如 logistic 回归可以用来解决二分类问题对回归问题和分类问题的评价最常用的指标都是准确率和召回率

4、 人工智能的方法主要包括 机器学习 和深度学习

5、PCA的中文名称是 主成分分析

6、聚类分析是一种 无 监督机器学习方法。

7、决策树是一种 解决 分类 问题的 机器学习方法

8、ID3 3 算法是在每个节点处选取能获得最高 信息增益 的分支属性进行分裂

9、K- - 均值算法是一种基于 划分 的聚类算法

---

1、写出均方差损失函数并指出其作用

答：均方差损失函数是预测数据和原始数据对应点误差的平方的均值

---

2、简述K-均值聚类算法的主要思想和算法步骤

答：主要思想：K-均值通过样本间的距离来衡量它们之间的相似度，而两个样本距离越远，则相似度越低，否则相似度越高。

算法步骤：首先选取k个类簇的质心，对各个样本点计算它们各个质心所在位置的欧式距离，并将其归入到相距距离最小质心所在的簇，重新计算各个簇的质心。重复上述步骤，直到各个样本的k个质心不变。

---

3、简述ID3聚类算法的核心思想

答：ID3算法：是在每个结点处选取能获得最高信息增益的分支属性进行分裂，在每个决策结点处划分分支，选取分支属性的目的是将整个决策树的样本纯度提升

---

4、假设一个单变量函数J（x）=x^2,求：

（1）计算该目标函数的微分；

答：J‘（x）=2x

5、简述神经网络训练过程

答：先初始化，然后根据参数进行正向计算，将得到的结果传入损失函数经过计算得到损失值，然后进行反向传播，把损失值反向传给神经网络的各层，让各层根据损失值调整权重，向损失值减小的方向靠近，从而指引了网络权重调整的方向，重复上述操作，直到损失值小于某个值