机器学习期末考试
一、机器学习链接
1、机器学习期末复习试卷_zhouyan2000的博客-CSDN博客_机器学习期末考试}
2、[机器学习笔试题]((4条消息) 机器学习笔试题目_北冥有小鱼-CSDN博客_机器学习题目)
3、机器学习面试题
4、一天1个机器学习知识点（一）_猫猫玩机器学习的博客-CSDN博客
5、山东大学软件学院机器学习（考试）——期末考试回忆版_ALTLI的博客-CSDN博客_机器学习期末
6、机器学习试题_AI_盲的博客-CSDN博客_机器学习试卷
7、机器学习题 【含答案和解析】_52learn-CSDN博客
8、机器学习与数据挖掘期末考试复习重点整理 - 库妍 - 博客园 (cnblogs.com)
9、机器学习期末试题 (renrendoc.com)
10、机器学习期末试题.doc (book118.com)
1）哈工大试卷
2）东北大学2018年期末考试试卷真题
3）哈工大2020秋机器学习期末试题
1.决策树 (8分)
(1)什么是互信息
(2)用互信息（信息增益）选择的目的是什么，能带来什么效果
(3)怎么防止过拟合？
2.贝叶斯决策 (8分)
3.svm (8分)
(1)线性可分时的优化目标，约束条件
(2)线性不可分咋整
(3)支持向量的意义
4.机器学习的方法 (8分)
(1)机器学习估计参数模型的方法
(2)这些方法有什么不同
(3)这些方法什么时候趋于一致
5.逻辑回归 (7分)
6.pca (8分)
7.k-means (8分)
(1)k-means流程
(2)k-means目标函数
(3)k-means和em算法的不同
8.线性回归 (5分)
实验一是非线性回归，怎么将非线性回归变成线性回归
4）山东大学期末考试试题
一、名词解释
聚类
似然
剪枝
K最近邻
二、简答题
1号碗中装有30个水果味糖和10个巧克力味糖，2号碗中装有20个水果糖和20个巧克力糖。现摸出一个水果糖求是从1号碗中摸出的 概率。
简述KNN的基本思想和优缺点
简述集成思想和bagging和adaboost异同
简述ID3的优缺点，以及决策树中如何防止过拟合
三、综合题
SVM的定义
SVM解决线性不可分问题的方法和基本思想
对偶形式的推导
四、综合题
比较神经网络和SVM
如果激活函数为线性函数的缺陷
简述学习率的影响
举例生活中应用神经网络的例子，并简述其影响
5）机器学习试题版
前言
在网上找的一些试题及延伸的一些问题，以选择题为主，主要是关于基础理论知识，同时给出自己联想到的一些问题。当然基础问题应当包含算法本身的过程和某些推导过程。比如：LR、SVM的推导。
试题
试题1： 已知坐标轴中两点A(2,−2)B(−1,2)，求这两点的曼哈顿距离（L1距离）。
答案：7 。向量AB(-3,4),L1 是向量中非零元素的绝对值和。
问题延伸：机器学习算法中哪些应用了L1，哪些应用了L2.
参考链接正则化技术
试题2：SVM中的核技巧（Kernal trick）的作用包括以下哪项？
A. 特征升维
B. 特征降维
C. 防止过拟合
答案：C
核技巧使用核函数将样本从原特征空间映射到更高维的空间，使得样本在更高维的空间中线性可分。
问题延伸：SVM的核函数本质及推导过程。
试题3： 在数据预处理阶段，我们常常对数值特征进行归一化或标准化(standardization, normalization)处理。这种处理方式理论上不会对下列哪个模型产生很大影响？
A. k-Means
B. k-NN
C. 决策树
答案：C
k-Means和k-NN都需要使用距离。而决策树对于数值特征，只在乎其大小排序，而非绝对大小。不管是标准化或者归一化，都不会影响数值之间的相对大小。关于决策树如何对数值特征进行划分
问题延伸：机器学习那些算法是进行归一化处理或标准化。
试题4：下面哪个情形不适合作为K-Means迭代终止的条件？
A. 前后两次迭代中，每个聚类中的成员不变
B. 前后两次迭代中，每个聚类中样本的个数不变
C. 前后两次迭代中，每个聚类的中心点不变
答案：B
A和C是等价的，因为中心点是聚类中成员各坐标的均值
问题延伸：K-means的k值选择及更新，迭代终止的两个条件。
试题5：关于欠拟合（under-fitting），下面哪个说法是正确的？
A. 训练误差较大，测试误差较小
B. 训练误差较小，测试误差较大
C. 训练误差较大，测试误差较大
答案：C
当欠拟合发生时，模型还没有充分学习训练集中基本有效信息，导致训练误差太大。测试误差也会较大，因为测试集中的基本信息（分布）是
与训练集相一致的。
延伸问题：模型状态？怎样判定？工具是什么？
二、课程设计资料
1、[HITML]哈工大2020秋机器学习Lab3实验报告_北言栾生的博客-CSDN博客
2、[HITML]哈工大2020秋机器学习Lab2实验报告_北言栾生的博客-CSDN博客
三、机器学习面试题
1、机器学习面试题库：1-10题（1day）_cui1004的博客-CSDN博客
2、机器学习面试题库：11-20题（2day）_cui1004的博客-CSDN博客
3、机器学习面试题库：21-30题（3day）_cui1004的博客-CSDN博客
4、机器学习面试题库：31-40题（4day）_cui1004的博客-CSDN博客
5、机器学习面试题库：41-50题（5day）_cui1004的博客-CSDN博客
建议关注博客cui1004的博客_空城不空99_CSDN博客-算法,java,Tensorflow学习领域博主
四、南华大学期末考试题型
期末考试题型：
判断题：共8题，16分
填空题 ：共12题，24分
简答题：共5题，30分
演算题：共2题，30分
同学们在准备期末考试时，对学习过的算法，首先要掌握算法的思想，并且能理解算法的数学表达。
考试重点：决策树，支持向量机，集成学习，朴素贝叶斯，逻辑斯蒂回归，线性判别分析，模型性能度量
其中演算题是决策树信息增益计算、朴素贝叶斯分类器！！
SVM很重要，群文件中有机器学习SVM习题集，大家可以参考学习！！
五、考试范围
《机器学习》期末考试范围
一、试题范围：
课后习题及学习通作业（80%）+课本内容理解（20%，该部分题目不在课后习题范围内）
二、教材内容及课后习题(具体章节范围放在群文件中)
第1章：绪论
第2章：模型评估与选择
第3章：线性模型
第4章：决策树
第6章：支持向量机
第7章：贝叶斯分类器
第8章 集成学习
三、成绩评定方式
总评成绩=期末考试（70%）+平时成绩（30%，包括学习通作业20%与考勤10%）
四、考试时间与地点：
时间：6月10日（第15周星期四）5-6节
地点：计算机学院（环安楼），8-410
版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/rgzn-jqxx/4588.html