1.解释有监督学习和无监督学习,并且例子各举例3个
2.什么是熵,相对熵,互信息,并判断下列决策树该用X1还是X2,X1父节点【+30,-10】,子结点【+30,-5】 【0,-5】,X2父节点【+30,-10】,子结点【+25,0】 【5,-10】(有点忘了,但让计算信息增益来决策),
3.KMEANS具体步骤,以及关键函数,并解释为什么要用这个关键函数(有点忘了,见谅)
4.解释过拟合,并且说明为什么会过拟合,举出两种解决办法
5.贝叶斯决策相关,举出什么情况下满足可加性,并推导(这个忘的太彻底了)
6.在损失函数和决策面等地方解释SNM和逻辑回归的相同点和不同点。
7.机器学习心得和体会
我的评价是扬哥yyds