机器学习R复习提纲-TYUT

注：本提纲针对课本内容，PPT需要全看。

考试题型：

选择10道 填空10道 判断10道 简答4/5道 计算4/5道

计算：线性回归/逻辑回归/决策树/梯度下降策略/BP神经网络计算输出值

选择：都是原题。PPT中98道选择＋Edu选择

第一章

1.机器学习的定义。

2.什么是版本空间。

3.“没有免费的午餐“定理

4.人工智能，机器学习，深度学习三者间的关系。

5.机器学习方法的分类：一类是有监督学习，一类是无监督学习。

第二章

1.什么是过拟合和欠拟合？过拟合是由什么导致的？如何缓解过拟合？

2.常见的评估方法：留出法，交叉验证法，自助法。

3.什么是调参

4.性能度量：查准率，查全率，F1分数的计算（2章PDF第84页例题）

5.ROC与P-R的区别

6.偏差与方差的计算

第三章

1.对离散属性，有序关系，通过连续化转化为连续值；对无序关系，进行哑变量化。

2.哑变量化的优点好处有哪些？

3.Sigmoid函数

4.线性判别分析的基本原理是？

5.多分类学习中，经典的拆分策略。三个过程都要掌握。

6.类别划分通过编码矩阵制定，编码矩阵常见的形式。

7.“再缩放”的三类做法：欠采样，过采样，阈值移动的定义、过程。

8.损失函数 

第四章

1.K近邻算法优缺点，k值的选取对结果的影响，kd树 

2.根据训练集生成CART决策树。

3.剪枝处理的基本策略

第五章

1.BP神经网络计算输出值

2.bp神经网络过程

第六章

1.样本空间中任一点到超平面的距离计算

2.正则化

3.软间隔支持向量机和硬间隔支持向量机的区别