中国科学院大学
试 题 专 用 纸
课程编号:712008Z
课程名称:机器学习
任课教师:卿来云
———————————————————————————————————————————————
姓名
学号
成绩
一、基础题(共 36 分)
1、请描述极大似然估计 MLE 和最大后验估计 MAP 之间的区别。请解释为什么 MLE 比 MAP 更容易过拟合。(10 分)
2、在年度百花奖评奖揭晓之前,一位教授问 80 个电影系的学生,谁将分别获得 8 个奖项(如最佳导演、最佳
男女主角等)。评奖结果揭晓后,该教授计算每个学生的猜中率,同时也计算了所有 80 个学生投票的结果。他
发现所有人投票结果几乎比任何一个学生的结果正确率都高。这种提高是偶然的吗?请解
释原因。(10 分)
3、假设给定如右数据集,其中 A、B、C 为二值随机变量,y 为待预测的二值变量。
(a) 对一个新的输入 A=0, B=0, C=1,朴素贝叶斯分类器将会怎样预测 y?(10 分)
(b) 假设你知道在给定类别的情况下 A、B、C 是独立的随机变量,那么其他分类器(如 Logstic
回归、SVM 分类器等)会比朴素贝叶斯分类器表现更好吗?为什么?(注意:与上面给的
数据集没有关系。)(6 分)
二、回归问题。(共 24 分)
现有 N 个训练样本的数据集
D
,
x y
i
i
1
N
i
,其中 ,i
x y 为实数。
i
A B C
0
0
1
0
1
1
1
0
1
1
0
1
0
1
1
0
0
1
1
0
0
y
0
0
0
1
1
1
1
1. 我们首先用线性回归拟合数据。为了测试我们的线性回归模型,我们随机选择一些样本作为训练样本,剩余样本
作为测试样本。现在我们慢慢增加训练样本的数目,那么随着训练样本数目的增加,平均训练误差和平均测试误
差将会如何变化?为什么?(6 分)
平均训练误差:A、增加
B、减小
平均测试误差:A、增加
B、减小
2. 给 定 如 下 图 (a) 所 示 数 据 。 粗 略 看 来 这 些 数 据 不 适 合 用 线 性 回 归 模 型 表 示 。 因 此 我 们 采 用 如 下 模 型 :
wx
i
,其中
i
i N
~
0,1
。假设我们采用极大似然估计 w,请给出 log 似然函数并给出 w 的估计。
y
i
exp
(8 分)
3. 给定如下图(b)所示的数据。从图中我们可以看出该数据集有一些噪声,请设计一个对噪声鲁棒的线性回归模型,
并简要分析该模型为什么能对噪声鲁棒。(10 分)
(a)
(b)
三、SVM 分类。(第 1~5 题各 4 分,第 6 题 5 分,共 25 分)
下图为采用不同核函数或不同的松弛因子得到的 SVM 决策边界。但粗心的实验者忘记记录每个图形对应的模型和参
数了。请你帮忙给下面每个模型标出正确的图形。
1、
min
1
2
w
2
C
1
2
N
i
i
1
, s.t.
i
0,
y
i
w x
T
0
w
1
,
i
i
1,....,
N
,
其中 0.1
C 。
2、
min
1
2
w
2
C
1
2
N
i
i
1
, s.t.
i
0,
y
i
w x
T
0
w
1
,
i
i
1,....,
N
,
其中 1C 。
3、
max
N
i
1
i
1
2
N
N
i
1
j
1
j
i
y y k
i
j
x x
,
i
j
s.t.
i
0,
i
1,....,
N
,
N
i
y
i
0
i
1
其中
k
x x
,
x x
T
x x 。
T
2
4、
max
N
i
1
i
1
2
N
N
i
1
j
1
j
i
y y k
i
j
x x
,
i
j
s.t.
i
0,
i
1,....,
N
,
N
i
y
i
0
i
1
其中
k
x x
,
exp
1
2
2
x x 。
5、
max
N
i
1
i
1
2
N
N
i
1
j
1
j
i
y y k
i
j
x x
,
i
j
s.t.
i
0,
i
1,....,
N
,
N
i
y
i
0
i
1
其中
k
x x
,
exp
2
x x 。
6、考虑带松弛因子的线性 SVM 分类器:
min
1
2
w
2
C
1
2
N
i
i
1
, s.t.
i
0,
y
i
w x
T
0
w
1
,
i
i
1,....,
N
,
下面有
一些关于某些变量随参数 C 的增大而变化的表述。如果表述总是成立,标示“是”;如果表述总是不成立,标示“否”;
如果表述的正确性取决于 C 增大的具体情况,标示“不一定”。
共 3 页
第 2 页
(1)
0w 不会增大
(2)
ˆw 增大
(3)
ˆw 不会减小
(4) 会有更多的训练样本被分错
(5) 间隔(Margin)不会增大
四、一个初学机器学习的朋友对房价进行预测。他在一个 N=1000 个房价数据的数据集上匹配了一个有 533 个参数的
模型,该模型能解释数据集上 99%的变化。
1、请问该模型能很好地预测来年的房价吗?简单解释原因。(5 分)
2、如果上述模型不能很好预测新的房价,请你设计一个合适的模型,给出模型的参数估计,并解释你的模型为什么
是合理的。(10 分)
共 3 页
第 3 页