一、名词解释
1.欠拟合
2.PAC学习算法
3.对数几率
4.软间隔
5.核函数
6.
7.
8.打散
二、计算题
1.给定一二分类训练集,将其分成1:3:4:2,每个分出来的集合正例与反例数量相同,计算训练集的信息增益
2.超平面为4x1+5x2+6,计算点(x1=4,x2=5)到超平面的距离
三、简答题
1.阐述朴素贝叶斯分类器和半朴素贝叶斯分类器的区别
2.试述字典学习和压缩感知对稀疏性的利用的异同
3.什么是不可知PAC学习
4.怎么绘制ROC曲线
四、证明题
1.
2.
五、算法题
1.阐述线性判别分析LDA算法
2.阐述图半监督学习算法
一点复习建议:今年的考试涵盖了16章的内容,涉及的范围很广,可以根据老师划的重点总结算法和名词,背下研讨ppt中的所有问题和例题,拿个及格应该还是不难的