Fragen zur Abschlussprüfung für maschinelles Lernen im Herbst 2022, Hauptsitz des Harbin Institute of Technology

Der Autor hat am 30. Oktober 2022 von 13:00 bis 15:00 Uhr die Prüfung zum maschinellen Lernen abgelegt. Da maschinelles Lernen in diesem Jahr kein Credit-Kurs ist, wurde der Gesamtschwierigkeitsgrad verringert.

Da während der Prüfung Notizzettel gesammelt wurden, basieren alle folgenden Fragen auf Erinnerungen nach der Prüfung und sind nicht unbedingt korrekt und dienen nur als Referenz.
Da während der Prüfung Notizzettel gesammelt wurden, basieren alle folgenden Fragen auf Erinnerungen nach der Prüfung und sind nicht unbedingt korrekt und dienen nur als Referenz.
Da während der Prüfung Notizzettel gesammelt wurden, basieren alle folgenden Fragen auf Erinnerungen nach der Prüfung und sind nicht unbedingt korrekt und dienen nur als Referenz.

  1. Was ist überwachtes Lernen? Was ist unüberwachtes Lernen? Jede Kategorie gibt die Namen von 3 Algorithmen an.

  2. Erklären Sie Entropie, bedingte Entropie und gegenseitige Information. Während des Generierungsprozesses des Entscheidungsbaums lauten die Klassifizierungsergebnisse für einen bestimmten Knoten mit den Attributen X1 und X2 wie folgt: Welches Attribut ist besser zu wählen? Bitte erklären Sie warum.

  3. Die Schritte des K-Means-Algorithmus; die Optimierungsfunktion des K-Means-Algorithmus; Warum können die Schlüsselschritte des K-Means-Algorithmus die Optimierungsfunktion optimieren?

  4. Was ist Überanpassung? Bitte erläutern Sie die von Ihnen durchgeführten Experimente und geben Sie zwei Methoden zur Lösung der Überanpassung an.

  5. Welche Bedingungen erfüllt die Gaußsche Verteilung, um die Entscheidungsoberfläche der Bayes'schen Klassifizierung zu einer linearen Entscheidungsoberfläche zu machen?

  6. Versuchen Sie, die Ähnlichkeiten und Unterschiede zwischen SVM und logistischer Regression im Hinblick auf Verlustfunktion, Entscheidungsebene usw. zu analysieren.

  7. Was denken Sie über das Erlernen maschinellen Lernens?

Supongo que te gusta

Origin blog.csdn.net/weixin_52027058/article/details/127599425
Recomendado
Clasificación