机器学习（期末复习资料——江理）

《机器学习》相关知识点提示

• 基本概念

1. 关于过拟合与欠拟合：定义、概念、克服方法、在回归问题中（线性回归与多项式回归）对欠拟合与过拟合影响最大的因素,

过拟合、欠拟合与偏差、方差关系；

1. 判别式与生成式模型常见的有哪些？
2. 关于K折交叉验证；
3. 分类模型、聚类模型、回归模型；
4. 分类与回归问题的损失函数；

• 典型算法

1. 朴素贝叶斯（Nave Bayes）原理，其经典假设；
2. SVM原理，可以实现线性与非线性分类；

3、神经网络中各种激活函数输出范围，导数、作用；

4、k-means聚类原理、具体计算方法、相似性度量方法、影响因素；

5、主成分分析原理、主成分个数选择；PCA与LDA，无监督、有监督？

6、预防神经网络过拟合方法；

7、常见的卷积神经网络有哪些？卷积神经网络特征图尺寸的计算；

8、关于梯度消失与梯度爆炸；

9、决策树原理，预防决策树过拟合的方法；

10、KNN算法原理、KD树构造方法，纬度与切分点如何决定？

11、闵可夫斯基距离度量公式及其计算；

12、关于信息熵，其在ID3、C4.5中有何作用？

链接：https://pan.baidu.com/s/1mIF3JXXiX0yn0XRESZhB7Q 
提取码：6666