牛客网-机器学习知识点考点

1.在HMM中,如果已知观察序列和产生观察序列的状态序列,那么可用以下哪种方法直接进行参数估计()

正确答案: D   

A.EM算法

B.维特比算法

C.前向后向算法

D.极大似然估计

解答： 

EM算法： 只有观测序列，无状态序列时来学习模型参数，即Baum-Welch算法

即参数估计，是一种无监督的训练方法

维特比算法： 用动态规划解决HMM的预测问题，不是参数估计

维特比算法解决的是给定 一个模型和某个特定的输出序列，求最可能产生这个输出的状态序列

前向后向：用来算概率

极大似然估计：即观测序列和相应的状态序列都存在时的监督学习算法，用来估计参数

故应选D

（参考李航博士《统计学习方法》）

2.（时间序列分析题）下列时间序列模型中,哪一个模型可以较好地拟合波动性的分析和预测

正确答案: D   

A.AR模型

B.MA模型

C.ARMA模型

D.GARCH模型

解答： 

AR模型：自回归模型，是一种线性一种线性预测模型，即已知N个数据，可由模型推出第N点前面或后面的数据（设推出P点），所以其本质类似于插值。

MA模型：(moving average model)滑动平均模型，模型参量法谱分析方法之一。其中使用趋势移动平均法建立直线趋势的预测模型

ARMA模型(auto regressive moving average model)自回归滑动平均模型，模型参量法高分辨率谱分析方法之一。这种方法是研究平稳随机过程有理谱的典型方法。它比AR模型法与MA模型法有较精确的谱估计及较优良的谱分辨率性能，但其参数估算比较繁琐。

GARCH模型：广义回归模型，是ARCH模型的拓展，对误差的方差建模，特别适用于波动性的分析和预测

3.以下()属于线性分类器最佳准则?

正确答案: A C D  

A.感知准则函数

B.贝叶斯分类