2018 机器学习试题(回忆版)
一、名词解释(每题 5 分,共 20 分)
1.机器学习
2.主动学习
3.ID3
4.神经网络
二、简答题(每题 10 分,共 30 分)
1.简述 Parzen 窗的原理与过程,证明为什么可以用于高斯函数。
2.简述梯度下降算法和牛顿算法的原理,并说明他们的区别。证明为什么梯度下降算法可以
确保是下降的。
3.什么是过拟合?造成过拟合的原因是什么?有什么可以避免过拟合的方法?
三、论述题(20 分+30 分)
1.从期望损失的角度分析 adaboost 的合理性,可从分布和分类器权重更新方面阐述。
2.
(1)从 VC 维和结构风险的角度,讨论最大化 margin 的原因。
(2)根据给出的函数,求出对偶函数(要有证明过程)
(3)用支持向量机解决线性不可分问题有哪些方法?