苏州科技大学-机器学习复习JU_JI自整.pdfVIP

一、考试题型

1.选择题20题共40分

2.名词解释题10题共10分

3.简答题3题共30分

4.计算题1题共20分(4小问)

二、考试知识点整理

1.人工智能

ArtificialIntelligence，简记为AI，是当前科学技术迅速发展及新思想、新理论、新技

术不断涌现的形势下产生的一个学科，也是一门涉及数学、计算机科学、哲学、认知心理

学和心理学、信息论、控制论等学科的交叉和边缘学科。

2.智能的定义

智能是知识和智力的总和，知识是一切智能行为的基础，智力是获取知识并运用知识

求解问题的能力。

3.智能特征

1)感知能力

2)记忆和思维能力

3)学习和自适应能力

4)行为能力

4.机器学习

机器学习(MachineLearning，ML)是机器获取知识的根本途径，也是机器具有智能的重

要标志，是人工智能研究的核心问题之一。机器学习是使计算机无需明确编程就能学习的

研究领域。

5.人工智能的主要学派

1)符号主义

2)连接主义

3)行为主义

6.人工智能的主要研究内容

1)知识表示：实际上是对知识的一种描述，或者是一组约定，是机器可以接受的用

于描述知识的数据结构。

2)推理：指按照某种策略，从已知事实出发，利用知识推出所需结论的过程。

3)搜索与规划：搜索是指为了达到某个目标，不断寻找推理路线，以引导和控制推

理，使问题得以解决的过程。规划是一种重要的问题求解技术，是从某个特定问

题状态出发，寻找并建立一个操作序列，直到求得目标状态为止的一个行动过程

的描述。

4)机器学习：是机器获取知识的根本途径，也是机器具有智能的重要标志，是人工

智能研究的核心问题之一。

1

7.机器学习分类

1)监督式学习

2)无监督学习

3)强化学习

8.监督学习与非监督学习区别

1)原理不同：监督学习是指利用一组已知类别的样本调整分类器的参数，使其达到

所要求性能的过程。无监督学习指根据类别未知(没有被标记)的训练样本解决模

式识别中的各种问题的过程。

2)算法不同：监督学习的算法是通过分析已知类别的训练数据产生的。无监督学习

的算法主要有主成分分析方法、等距映射方法、局部线性嵌入方法、拉普拉斯特

征映射方法、黑塞局部线性嵌入方法和局部切空间排列方法等。

3)适用条件不同：监督学习适用于样本数据已知的情况。非监督学习适用于无类别

信息的情况。

9.监督学习与强化学习区别

1)监督学习有两个主要任务，即回归和分类，而强化学习则具有不同的任务，例如

开发或探索，马尔可夫的决策过程，政策学习，深度学习和价值学习。

2)在监督学习中，存在各种数量的算法，它们的优缺点适合于系统要求。在强化学

习中，马尔可夫的决策过程为建模和决策情况提供了数学框架。

3)监督学习意味着名称本身就表示它是高度监督的，而强化学习则受到较少的监督，

并且依赖学习代理来通过确定不同的可能方式来确定输出解决方案，以实现最佳

解决方案。

10.过拟合与欠拟合

过拟合：当学习器把训练样本学得太好了的时候，很可能已经把训练样本自身的一些

特点当作了所有潜在样本都会具有的一般性质，这样就会导致泛化性能下降。

欠拟合：指对训练样本的一般性质尚未学好。

11.模型评估的关键在于如何获得测试集，且测试集应该与训练集互斥。

12.常见的模型评估方法

1)留出法

保持数据分布一致性(举例：分层采样)

多次重复划分(举例：100次随机划分)

测试集不能太大也不能太小(举例：1/5~1/3)

2)