哈工大2020秋機(jī)器學(xué)習(xí)期末試題

(1) 樣本標(biāo)簽Y和屬性A1之間的信息可以選擇屬性。給出互信息的定義。
(2) 決策樹(shù)空間很大，用互信息（信息增益）選擇屬性的目的？這樣做有什么好處？
(3) 如何避免決策樹(shù)過(guò)擬合？

Y為類別（兩類，Y=0和Y=1）隨機(jī)變量，將真實(shí)類為1的樣本判斷為類0造成的損失為a，反之為b，如下表。那么期望損失最小意義下的分類準(zhǔn)則？并用圖例說(shuō)明。

Y：真實(shí) \ 預(yù)測(cè)01

0	0	a
1	b	0

(1) 結(jié)合圖給出線性可分情況下的SVM的目標(biāo)函數(shù)及約束條件
(2) 線性不可分的解決方案
(3) SVM分類函數(shù)中支持向量的意義

(1) 本課程中的參數(shù)估計(jì)方法
(2) 它們的區(qū)別
(3) 它們得到一致結(jié)果的條件

給定訓(xùn)練集 $D=\{(x_i,y_i)\},i=1,...,N$ 有兩個(gè)類別，訓(xùn)練邏輯回歸模型。
(1) 為什么目標(biāo)函數(shù)用的是 $\log (Y|X)$ 而不是 $\log (X,Y)$
(2) 從邏輯回歸模型推導(dǎo)出樣本空間的分類決策面，給出推導(dǎo)

(1) 從信號(hào)重建的角度推導(dǎo)PCA
(2) 用PCA實(shí)現(xiàn)信號(hào)壓縮的方案

(1) k-means算法流程
(2) k-means的優(yōu)化目標(biāo)函數(shù)
(3) k-means和EM算法的相似和不同

本課程實(shí)驗(yàn)一是單變量非線性的問(wèn)題，如何處理成線性回歸問(wèn)題，給出方案

總結(jié)

以上是生活随笔為你收集整理的[HITML]哈工大2020秋机器学习期末试题的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。