机器学习复习重点.docxVIP

机器学习复习重点 机器学习复习重点 判断题（共30分，每题2分，打√或×） 1、如果问题本身就是非线性问题，使用支持向量机（SVM）是难以取得好的预测效果的。（×） 2、只要使用的半监督学习方法合适，利用100个标记样本和1000个无标记样本的预测效果，同样可以达到利用1100个标记样本使用监督学习方法的预测效果。（×） 3、深度学习中应该尽量避免过拟合。（×） 4、在随机森林Bagging过程中，每次选取的特征个数为m，m的值过大会降低树之间的关联性和单棵树的分类能力。（×） 5、决策树学习的结果，是得到一组规则集，且其中的规则是可以解释的。（√） 6、在FCM聚类算法中交替迭代优化目标函数的方法不一定得到最优解。（√） 7、在流形学习ISOMAP中，测地距离即是欧氏距离。（×） 8、贝叶斯决策实质上是按后验概率进行决策的。（√） 9、非参数估计需要较大数量的样本才能取得较好的估计结果。（√） 10、不需要显示定义特征是深度学习的优势之一。（√） 判断题为反扣分题目；答对得2分，不答得0分，答错得-2分； 问答题（共60分） 1、 从样本集推断总体概率分布的方法可以归结为哪几种类型？请分别简要解释之。 监督参数估计：样本所属的类别和各类的类条件概率密度函数的形式是已知的，而表征概率密度函数的某些