vector的博客

这系列的题目来源于周晓飞老师期末发的题库，自留做复习用的???? ???? ???? 加油加油！目录选择题13选择题14选择题15选择题16选择题17选择题26选择题27选择题65多选题11多选题22简答题2知识点可以参考：【一起入门MachineLearning】中科院机器学习第*课-支持向量机SVM选择题13选择题14选择题15选择题16选择题17选择题26选择题27选择题65多选题11多选题22简答题22.试分析SVM 对噪声敏感的原因。答案：

专栏介绍：本栏目为 “2021秋季中国科学院大学周晓飞老师的机器学习” 课程记录，不仅仅是课程笔记噢～ 如果感兴趣的话，就和我一起入门Machine Learning吧????目录思想与数学原理对偶问题核函数方法思想与数学原理SVM是一种监督学习的线性监督分类器，基本思想是找到一个决策平面将样本数据分开，并且要保证尽可能加大两个类别间的距离，使它们更容易分开。边界分界面与类别相切边界分界面与决策分界面平行，决策分界面到两个边界分界面的距离相等。两个边界分界面之间的距离称为类别间距离，我们期

明天期末考试，周晓飞老师说成绩会在80正态分布，不会出现95分以上的成绩，老师都这么努力了，我怎么可以不努力???????? 机器学习期末题库题型选择：少选不扣全分简答计算：CART树和隐马尔可夫计算不考✨，不会出现小数点以后的计算????（我怎么觉得老师说这话不可置信呢，这一句话把计算题排除得也没剩几个了）开放：20分选择和简答都可以看题库，计算题理解之后记一下公式。计算题盲目押题题目优先级题9+11：贝叶斯决策????????????????????

这系列的题目来源于周晓飞老师期末发的题库，自留做复习用的???? ???? ???? 加油加油！目录计算题14计算题14

专栏介绍：本栏目为 “2021秋季中国科学院大学周晓飞老师的机器学习” 课程记录，不仅仅是课程笔记噢～ 如果感兴趣的话，就和我一起入门Machine Learning吧????目录基本思想步骤例子基本思想层次聚类策略类簇之间（依据相似性）不断合并或者不断分化，直到满足聚类停止条件。分类自底向上/归并算法自顶向下/分化算法参考：https://www.bilibili.com/video/BV1Az4y1f78d?from=search&seid=4445699556387

这系列的题目来源于周晓飞老师期末发的题库，自留做复习用的???? ???? ???? 加油加油！目录计算题13简答题3单选题82单选题58多选题19简答题22知识点可以参考这篇博客：【一起入门MachineLearning】中科院机器学习第*课-聚类算法：K均值（K-means）计算题13不想计算距离的话直接画图会更加快。简答题3单选题82这个题目的计算方法和上两个题一样，不再赘述。单选题58多选题19简答题2222.K均值算法的优缺点是什么，如何对其调优。缺点：

专栏介绍：本栏目为 “2021秋季中国科学院大学周晓飞老师的机器学习” 课程记录，不仅仅是课程笔记噢～ 如果感兴趣的话，就和我一起入门Machine Learning吧????目录算法思想：例子1.明确初始簇心2.计算所有样本点到簇心的距离3.更新簇心4.回到第二步继续算距离并分类5.分类结果不变化时，停止分类参考：B站：【10分钟算法系列】算法思想：将样本分给最近的类心，然后重新调整类心；通过多次迭代，逐步进行类别划分例子1.明确初始簇心2.计算所有样本点到簇心的距离比如A1,它

这系列的题目来源于周晓飞老师期末发的题库，自留做复习用的???? ???? ???? 加油加油！知识点可以看这篇博客：【一起入门MachineLearning】中科院机器学习第*课-线性鉴别分析：Fisher判别计算题7求解类间散度矩阵以及两个均值，带入公式即可。...

专栏介绍：本栏目为 “2021秋季中国科学院大学周晓飞老师的机器学习” 课程记录，不仅仅是课程笔记噢～ 如果感兴趣的话，就和我一起入门Machine Learning吧????目录线性鉴别的思想目标函数类别间距离类别内距离求解最佳投影方向要讲清楚fisher鉴别，必须从内积的几何意义开始说起线性鉴别的思想当空间中分布了很多个样本点时，我们将所有的样本都往一个方向上投影，期望投影的结果能将这些样本很好的分类开。假设空间中有两类样本，如果往w1方向投影，在投影结果中，两类样本有交叉的部分；往w

这系列的题目来源于周晓飞老师期末发的题库，自留做复习用的???? ???? ???? 加油加油！计算题6：最大似然估计法完全是一个数学问题了，先来复习一下最大似然估计吧。最重要的是写出某个事件各个样本的概率P，连乘之后令导数为0来求参数。在这个题目中X=抛硬币事件，只说明了一次取值，即只要一个样本，那概率的连乘就是该概率本身了。...

这系列的题目来源于周晓飞老师期末发的题库，自留做复习用的，可能有错误啊啊啊！这两题都与PCA相关，知识点可以参考博主的这篇文章：【一起入门MachineLearning】中科院机器学习第*课-PCA主成分分析题解计算题1：个人认为题目描述为：“求协方差矩阵的特征值”更严谨，另外已经告知了协方差矩阵就不需要做第一步和第二步来求转置了。多选题25A：必须在使用PCA前规范化数据，这是对的，对应上文中说到的零均值化B：Variance是方差的意思，反差要尽可能大，让每个数据彼此区分，都能.

这系列的题目来源于周晓飞老师期末发的题库，自留做复习用的???? ???? ???? 加油加油！这两道题目都与概率图模型有关，知识点可以看这篇博文：【一起入门MachineLearning】中科院机器学习第*课-概率图模型：贝叶斯网络+马尔科夫随机场考点：图概率分布计算题2第一幅图考察马尔可夫随机场的概率分布：第二幅图考察贝叶斯模型的概率分布:这两个题目关键就是要记住公式就不会出错。计算题8第一步是写出概率的因子分解式，然后根据表格里面提供的概率数据挨个计算。答案在写公式时省

这系列的题目来源于周晓飞老师期末发的题库，自留做复习用的???? ???? ???? 加油加油！目录单选题5单选题7单选题69多选题3计算题11知识点可以参看这些博客：【一起入门MachineLearning】中科院机器学习第2课-贝叶斯决策【一起入门MachineLearning】中科院机器学习第3课-朴素贝叶斯分类器【一起入门MachineLearning】中科院机器学习第4课-高斯贝叶斯分类器+协方差矩阵单选题5朴素贝叶斯是条件独立而不是独立独立：P(A1A2)=P(A1)P(A

单选题79

这系列的题目来源于周晓飞老师期末发的题库，自留做复习用的???? ???? ???? 加油加油！目录单选题57单选题60简单题11单选题57知识点可以参考博主的这篇博客：【一起入门NLP】中科院自然语言处理第*课-卷积神经网络CNNA：CNN的卷积运算可以有效减少模型参数，A错误C：pooling层完成采样，将高分辨率的照片变为低分辨率，C正确B,D选项不是太清楚~单选题60A：可以多通道卷积，A错误B,C：不同卷积层的卷积核显然可以是不一样大的，B错误，C正确。D：CNN

这系列的题目来源于周晓飞老师期末发的题库，自留做复习用的???? ???? ???? 加油加油！目录单选题54单选题47单选题51单选题64简答题8简答题10简答题23知识点可以参考博主的这篇博客：【一起入门NLP】中科院自然语言处理第*课-前馈神经网络DNN（反向传播+梯度下降）单选题54这个题没有给参考答案，我认为答案是D。A：梯度的定义就是损失函数对参数的导数，A正确。B：损失函数用来描述误差，即模型预测结果与真实值之间的差异。B正确。C：反向传播算法是训练模型的方法，通过将误

这系列的题目来源于周晓飞老师期末发的题库，自留做复习用的???? ???? ???? 加油加油！目录计算题5ID3C4.5CART知识点可以参考博主的这篇文章【一起入门MachineLearning】中科院机器学习第*课-非线性分类：决策树计算题5ID3C4.5红色数值表示和老师提供的标准答

专栏介绍：本栏目为 “2021秋季中国科学院大学周晓飞老师的机器学习” 课程记录，不仅仅是课程笔记噢～ 如果感兴趣的话，就和我一起入门Machine Learning吧????目录定义决策树的关键问题1.问题数2.划分（问题）选择非纯度1. 熵度量(Quinlan, C4.5)2. 基尼指数（Gini Index）3. 分类误差决策树划分算法???? ID3（熵，信息增益）???? C4.5（熵，信息增益率）???? CART3.决策树生成4.剪枝处理本篇博客除了参考老师的课件之外，绝大部分内容参考

这系列的题目来源于周晓飞老师期末发的题库，自留做复习用的???? ???? ???? 加油加油！知识点可以参考博主的这篇文章：【一起入门MachineLearning】中科院机器学习第*课-概率图模型：隐马尔可夫模型（前向算法+维特比算法）考点：前向算法和后向算法计算题31.前向算法：2.后向算法：从后向前填充数值，但是状态转移方向还是从前向后算完最后一个β之后，记得与初始状态以及B矩阵相乘考点：维特比算法计算题4维特比算法与前向算法是一样的，只是每一步要记录最大值因此

专栏介绍：本栏目为 “2021秋季中国科学院大学周晓飞老师的机器学习” 课程记录，不仅仅是课程笔记噢～ 如果感兴趣的话，就和我一起入门Machine Learning吧????背景介绍频率派发展为统计机器学习贝叶斯派发展为概率图模型，围绕着怎么求后验概率展开。概率图：有向无向动态：增加了time之后有了动态模型，Xi之间不是独立同分布的HMM：隐变量取值离散Kalman Filter：隐变量是线性连续的Particle Filter：隐变量是非线性连续的隐马尔可夫模型

专栏介绍：本栏目为 “2021秋季中国科学院大学周晓飞老师的机器学习” 课程记录，不仅仅是课程笔记噢～ 如果感兴趣的话，就和我一起入门Machine Learning吧????概率图模型概率图模型(probabilisticgraphicalmodel)是一类用图来表达变量相关关系的概率模型。它以图为表示工具，最常见的是用一个结点表示一个或一组随机变量，结点之间的边表示变量间的概率相关关系，即"变量关系图"。根据有向图和无向图进行分类，我们主要探讨两个概率图模型：有向图贝叶斯网络和无向图马尔科夫网

什么是PCAPCA是一种降维方法，我们来看下面这个例子：假设

专栏介绍：本栏目为 “2021秋季中国科学院大学周晓飞老师的机器学习” 课程记录，不仅仅是课程笔记噢～ 每周上两小节课，每周更新两篇博客，如果感兴趣的话，就和我一起入门Machine Learning吧????上一课：​​​​​​【一起入门MachineLearning】中科院机器学习第3课-朴素贝叶斯分类器_vector的博客-CSDN博客第【4】课：高斯朴素贝叶斯分类器高斯朴素贝叶斯比较难理解，所以在这篇博客中我查找了很多概念高斯贝叶斯分类器假设P(X | C) 服从高斯分布

专栏介绍：本栏目为 “2021秋季中国科学院大学周晓飞老师的机器学习” 课程记录，不仅仅是课程笔记噢～ 每周上两小节课，每周更新两篇博客，如果感兴趣的话，就和我一起入门Machine Learning吧????第【4】课：贝叶斯分类器目录朴素贝叶斯分类器半朴素贝叶斯分类器正态分布的贝叶斯分类器朴素贝叶斯分类器半朴素贝叶斯分类器正态分布的贝叶斯分类器...

专栏介绍：本栏目为 “2021秋季中国科学院大学周晓飞老师的机器学习” 课程记录，不仅仅是课程笔记噢～ 每周上两小节课，每周更新两篇博客，如果感兴趣的话，就和我一起入门NLP吧????第【2】课：贝叶斯学习贝叶斯概述老师在这一块花了五分钟介绍了贝叶斯公式，很显然这五分钟连大门都没打开，好在学习概率论时，是有学到贝叶斯公式的，现在我们就一起复习一下吧。贝叶斯公式用来干什么？用张宇老师的话来说，贝叶斯公式就是“执果索因”，如果结果B的发生总是与某些前提条件（或原因，因素，前...

专栏介绍：本栏目为 “2021秋季中国科学院大学周晓飞老师的机器学习” 课程记录，不仅仅是课程笔记噢～ 每周上两小节课，每周更新两篇博客，如果感兴趣的话，就和我一起入门NLP吧????第【1】课：绪论在本节课中，老师介绍了机器学习的背景，学科特点，应用领域等等问题，在此处不赘述，直接总结了第一节课的重点内容。机器学习的一般过程训练数据为（名字，职称，工作年限），lable为是否是终身教授上图是一个简单的例子，用以说明机器学习的一般过程，主要有一下重点：有一个数据库存储训练数据，每一行