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