《机器学习-试题-2014》由会员分享，可在线阅读，更多相关《机器学习-试题-2014（2页珍藏版）》请在金锄头文库上搜索。
1、中国科学院大学课程编号： E32004H 试 题 专 用 纸课程名称： 机器学习方法与应用任课教师： 叶齐祥姓名学号成绩说明： 本试卷共两页，满分 100分，其中概念题 45分，应用题 55分。考试时间为 100分钟，请将试题的答案都写在答题纸上。一、 概念解释与简述题（ 45 分）1. 样本（样例）、机器学习、统计学习2. 机器学习的一般步骤（请画示意图）3. 样本属性的主要类型4信息增益5核函数 SVM的判别方程6. Adaboost的判别函数7二维数据三个混合项的高斯模型的概率密度方程8聚类分析有哪些主要距离度量方法？请列举3-4种9列举 K-means聚类方法与 GMMs方法的共同点二
2、、 计算与分析题（共 55 分）表1- 是否去打球训的练样本，天气、湿度、温度、风为属性编号天气温度湿度风是否去打球（标号）1 晴天炎热高弱不去2 晴天炎热高强不去3 阴天炎热高弱不去4 下雨适中高弱去5 下雨寒冷正常弱去6 下雨寒冷正常强不去7 阴天寒冷正常强去8 晴天适中高弱不去9 晴天寒冷正常弱去10 下雨适中正常弱去11 晴天适中正常强去12 阴天适中高强去13 阴天炎热正常弱去14 下雨适中高强不去1.决策树属性选择： 对于表 -1中的数据，“湿度”、“风”两个分别将数据划分如下：其中 ” 9+” 表示 9个正例（去打球）、“5-”表示 5个反例（不去打球），其他依此类推。请基于“信
3、息增益”的方法判断哪个属性更好？2.贝叶斯方法：对于表 -1中的数据，给一个新实例天气（阴天） , 温度（寒冷）, 湿度（高） , 风（强），请基于朴素贝叶斯方法决策是否去打球？3.SVM ：请从分类间距最大化的角度，基于二次规划（无需求解过程）推导线性SVM 的判别方程。4.深度神经网：简述 LeNet5卷积神经网的结构、权值求解方法，着重阐明卷积神经网络权值、连接的物理含义。并结合传统神经网络的BP算法，简要推导卷积神经网络的误差传播过程。5.数据降维： PCA 与Manifold 数据降维的不同点在哪里？6.其他： 请谈谈你将来的科研中可能使用那些机器学习方法，并简要说明选择此种方法的原因。共 2 页第 2 页湿度高正常(2+, 5-) (6+, 1-) S: (9+, 5-) 风弱强(5+, 3-) (3+, 3-) S: (9+, 5-) 中国科学院大学机器学习方法与应用考试试题 A 卷
