国科大机器学习期末复习题库

考试主要是选择（单选，多选），下面概念只需记个大概，有印象就行了。

单选题

1. SVM的原理可简单描述为：最大间隔分类；
2. SVM的算法性能取决于：核函数的选择、核函数的参数、软间隔参数；
3. 支持向量机的对偶问题是：凸二次优化；
4. 支持向量机中的支撑向量：最大间隔支撑面上的向量；
5. 关于决策树节点划分指标描述：信息增益越大越好；
6. 集成学习中基分类器：分类器多样，差异大时学习效率通常越好；每个基分类器的正确率的最低要求：50%以上；
7. Bagging方法的特点：构造训练集时采用 Bootstraping 的方式；
8. Boosting方法的特点：预测结果时，分类器的比重不同；
9. 随机森林方法属于Bagging方法；
10. 软间隔SVM的阈值趋于无穷，只要最佳分类超平面存在，它就能将所有数据全部正确分类；
11. 混合高斯聚类中，运用了：** EM算法**；
12. 主成分分析方法是一种：** 降维方法**；
13. PCA在做降维处理时，优先选取：中心化样本的协方差矩阵的