机器学习复习2.docxVIP

统计学习： 1） 统计方法处理过程的三个阶段 （1）搜集数据：采样、实验设计 （2）分析数据：建模、知识发现、可视化 （3）进行推理：预测、分类 2） SVM近似线性可分问题 3） SVM三种主要的核函数 多项式内核 、径向基函数内核RBF、Sigmoind内核 4） 决策树的生成过程 强化学习： 1） 强化学习的四大要素 1、策略：从环境感知到的状态到该状态下应该采取的行动映射；2、报酬函数：用来强化学习问题的目标；3、价值函数：与某一时刻（或状态）意义上反应行动结果好坏的报酬函数相对应,价值函数则指定了最终什么是好的；4、环境的模型：这是为模仿环境的举动而建立的. 2） 蒙特卡罗方法和时序差分学习的主要区别 加，该状态对整体的影响越大。资格迹定义方式分为增量型和替代型两类。 无监督学习: 1） 聚类分析的基本步骤 (1)对数据集进行表示和预处理，包括数据清洗、特征选择或特征抽取； ? (2)给定数据之间的相似度或相异度及其定义方法； ? (3)根据相似度，对数据进行划分，即聚类； ? (4)对聚类结果进行评估。 2） K均值聚类的基本步骤 这种算法的基本思想是将每一个样品分配给最近中心（均值）的类中，具体的算法至少包括以下三个步骤： (1)从n个数据对象随机选取k个对象作为初始簇中心。 (2)计算每个簇的平均值，并用该平均值代表相应的簇。 (3)计算每个对象与