选择题(18分)
召回率、精度、SVM、Logistic回归
(1)回归与分类的区别
(2)回归过拟合的条件
(3)共轭分布(beta)有什么用
(4)L1损失的来源出处
(5)联合分布表示为条件分布相乘的全连接图中出现无连接的原因
(6)SVM的优化目标
简答题(50分)
(1)简述k-means参数设置步骤以及参数k如何选取。
(2)简述模式识别的概念和意义。
(3)简述模式识别预处理内容。
(4)简述最大似然估计与贝叶斯估计的差异。
(5)简述SVM的基本思想。
(6)神经网络训练时是否可以将所有的参数初始化为0,为什么。
(7)Sigmoid作为激励函数有什么优缺点。
(8)简述k近邻分类邻方法。
(9)深度神经网络快速发展时,技术突破有哪些?(至少四个)
(10)简述隐马尔可夫模型三个核心问题。
计算题(32分)
(1)神经网络相关(例如3层网络推导)。
(2)PCA相关。
(3)贝叶斯决策。
由于资料较大,具体内容请查看链接模式识别