山东大学数字媒体技术机器学习期末

一、名词解释

1. 测试集

2. 自助采样法

3. 机器学习

4. 最大似然

5. KNN

二、综合题

1. 三个工厂生产瓶子，分别占产量的20%，30%，50%，每个工厂的次品率分别为0.7%，0.9%，0.5%（不记得了，随便编的数字），现以为调研人员发现一个有缺陷的瓶子，求该瓶子由工厂1生产的概率。（朴素贝叶斯）

2. boosting和bagging的基本思想，并比较二者的区别（集成学习）

3. k-means的算法步骤和优缺点（聚类）；简述bp的原理（神经网络）

4. 写出信息增益的表达式，描述ID3建立决策树有什么优点和问题

三、SVM

1. 写出svm基本型，并说明其背后原理，可用公式表示

2. 对于线性不可分的问题，svm如何解决

3. 关于对偶问题的推导（完全没看推导的本人^_^）

回忆的有些晚了可能不太细节，复习可参考

复习结构：贝叶斯、神经网络、决策树、集成学习、SVM、聚类