机器学习
开卷考,考试只占40分
只记得如下:
- 名词解释(最大似然+强化学习+奥卡姆剃刀)
- 简答(贝叶斯估计)
- 大题(决策树+svm)
本学期所学:
- 贝叶斯决策论
- 参数估计:最大似然估计、贝叶斯估计
- 非参数估计:Parzen窗、KNN
- 线性判别函数:线性可分/不可分、梯度下降、牛顿法
- 神经网络:单层、多层、反向传播、RBF、SOM
- 决策树:ID3、C4.5、CART
- SVM
遗漏部分:
- 知识点需要能用文字描述,尽量简短。如最大似然估计、贝叶斯估计;
- 决策树计算需要很熟悉;
- svm需要一份详细推理,包括kkt条件,对偶性转化,以及svm如何 处理线性不可分问题;
前面名词解释因为不足够熟悉,不能用文字简练描述,只能看着西瓜书抄,浪费很多时间。决策树计算很慢,svm推理要写好久,几乎是卡着时间写完的。
算法
没有实验,无课堂点名,交过两次作业,考试应该至少占90分,老师说并查集不考
五道设计题,只记得如下:
- 根据Dijkstra idea设计
- 设计最小生成树,安全边性质
- 动态规划(设计最长路径)