-
名詞解釋(5' * 4)
- 機器學習
- 主動學習
- ID3
- 神經網絡
-
簡答題(10' * 3)
- parzen窗簡述。爲什麼可以選用高斯密度函數作爲窗函數?
- 梯度下降算法與牛頓法的基本思想和區別。證明爲什麼梯度下降算法可以保證目標函數下降
- 什麼是過擬合?模型爲什麼會出現過擬合?如何避免過擬合?
-
綜合分析題
- 從期望損失角度解釋adaboost,如分佈和分類器權重更新的依據。(20')
- SVM。(1)從VC維和結構風險角度分析爲什麼margin要最大化。(2)推導優化函數的對偶形式。(3)簡述SVM線性不可分的情況下如何求解(30')