- 1
- 0
- 约3.74千字
- 约 6页
- 2020-02-22 发布于安徽
- 举报
.-
一、判断题(共10个题)
请写清楚题号,在答卷纸上填写√或×,不要直接在本页回答。
特别说明:本部分题目的得分规则为:答对一个题,得2分;不答(即放弃回答)的题,本题得0分;答错一个题,得-2分(即反扣2分)。本道大题得负分的,从其他大题扣除。所以,判断题的回答,建议慎重对待。
基于最小错误率的贝叶斯概率是 损失函数0-1的 基于最小风险贝叶斯概率的特例
监督参数估计是(太多记不住)。。。
单隐层神经网络在经过足够训练后,不管节点多少,总能找到全局最优解。
决策树可以生成规则集,且生成的规则集是可以解释的。
SVM向量机在样本数据少、非线性的情况下有优势。
Bagging是一种串行学习框架。
泛化能力指的是在训练集中体现的特点。
Self_Trainning是一种半监督的方法。
决策树属性选择是依照信息增益比。
2006年以前,多隐层神经网络因为缺乏良好的算法,限制了深度学习的发展。
二、计算题
设在某个局部地区细胞识别中正常 和异常 两类的先验概率分别为:
正常状态:
异常状态:
现有一待识别的细胞,其观察值为x,从类条件概率密度分布曲线上查得
试使用贝叶斯决策对该细胞x进行分类(要求给出具体计算过程及计算结果)
解:
利用贝叶斯公式,分别计算出 及 的后验概率
根据贝叶斯决策规则,有
所以合理的决策规则是把x归类于正常状态。
三
原创力文档

文档评论(0)