湖南师范大学2024年硕士研究生自命题考试大纲 《机器学习导论》考试大纲（加试）.docVIP

PAGE

PAGE2

湖南师范大学硕士研究生招生考试自命题科目考试大纲

考试科目代码：【】考试科目名称：机器学习导论

考试内容及要点

《机器学习导论》课程培养了学生使用机器学习方法结合数据完成学习模型的能力，以便为针对不同数据构造合适的学习模型解决实际问题，并掌握对学习结果评价的方法。

（一）基本概念

机器学习基本概念；

误差和过拟合；

模型评价方法，包括留出法、交叉验证法、自助评价法、调参法；

性能度量，包括机器学习的错误率、精度、F1检验法、ROC/AUC图检验，代价曲线；

各种机器学习中的检验方法，包括假设检验，交叉检验，McNemar，Friedman，Nemenyi，偏差/方差分析。

（二）线性模型

线性模型基本概念；

线性回归模型和对数几率回归模型；

线性判别分析LDA算法；

多分类学习；

类别失衡状态的调节方法。

（三）神经网络模型

神经元与神经网络基本概念；

感知机与神经网络构建；

参数调节的反向传播算法；

全局最优和具备最优概念与调节方法；

深度学习的基本概念。

（四）支持向量机

SVM的基本思想与概念、对偶问题；

核函数的基本概念与意义；

正则化的意义与基本计算；

支持向量回归；

核方法。

（五）集成学习

集成学习的基本概念与理论；

Boost模型的基本概念与使用；

Bagging模型的基本概念与使用；

随机森林模型的基本概念与使用；

数据集成中的多样性，包括误差分解、多样性度量与增强。

（六）聚类

聚类的基本概念与性能度量方法；

类间和类内距离计算；

k均值聚类模型的基本概念与应用；

高斯混合聚类模型的基本概念与应用；

密度聚类和层次聚类的基本概念。