山东大学2018机器学习期末考试题

• 名词解释（5' * 4）

1. 机器学习
2. 主动学习
3. ID3
4. 神经网络

• 简答题（10' * 3）

1. parzen窗简述。为什么可以选用高斯密度函数作为窗函数？
2. 梯度下降算法与牛顿法的基本思想和区别。证明为什么梯度下降算法可以保证目标函数下降
3. 什么是过拟合？模型为什么会出现过拟合？如何避免过拟合？

• 综合分析题

1. 从期望损失角度解释adaboost，如分布和分类器权重更新的依据。（20'）
2. SVM。（1）从VC维和结构风险角度分析为什么margin要最大化。（2）推导优化函数的对偶形式。（3）简述SVM线性不可分的情况下如何求解(30')