第 1 页 / 共 19 页
第 2 页 / 共 19 页
第 3 页 / 共 19 页
第 4 页 / 共 19 页
第 5 页 / 共 19 页
第 6 页 / 共 19 页
第 7 页 / 共 19 页
第 8 页 / 共 19 页
第 9 页 / 共 19 页
第 10 页 / 共 19 页
第 11 页 / 共 19 页
第 12 页 / 共 19 页
第 13 页 / 共 19 页
第 14 页 / 共 19 页
第 15 页 / 共 19 页
第 16 页 / 共 19 页
第 17 页 / 共 19 页
第 18 页 / 共 19 页
第 19 页 / 共 19 页
【机器学习周志华】专业课考试重点笔记-含试题及答案
【机器学习周志华】专业课考试重点笔记-含试题及答案 备考周志华《机器学习》专业课，核心在于理解算法背后的原理，而非简单地套用公式。以下提供重点笔记，并附带部分模拟试题及答案，供大家复习参考。 一、核心概念 监督学习: 包含线性回归、逻辑回归、SVM、决策树、集成学习(随机森林、GBDT)等。 理解模型训练过程，梯度下降、正规化等算法核心思想至关重要。 非监督学习: 主要包括聚类算法（K-means, DBSCAN）和降维算法（PCA, t-SNE）。 掌握聚类算法的评估指标，如轮廓系数、Davies-Bouldin指数。 模型评估: 务必熟练掌握交叉验证、混淆矩阵、ROC曲线、AUC等评估指标，并理解其在不同场景下的应用。 过拟合与欠拟合: 这是机器学习中非常重要的概念，需要理解其原因以及如何通过正则化、交叉验证等方法进行处理。 二、部分模拟试题及答案 题1: 假设给定一个二分类问题，数据集存在严重不平衡现象（正样本数量远小于负样本），使用逻辑回归模型训练，如何缓解这个问题？ 答案: 可以采用过采样（增加正样本数量，如SMOTE）、欠采样、调整类别权重、使用合适的损失函数（如不平衡损失）等方法。 题2: 在构建随机森林模型时，n_estimators的含义是什么？它对模型的影响是什么？ 答案: n_estimators指的是随机森林中决策树的数量。增加n_estimators可以提高模型的准确性，但也会增加训练时间，并且可能导致过拟合。 三、总结 本次考试重点在于对周志华《机器学习》的核心概念和算法原理的理解和应用。希望以上笔记和试题能够帮助大家备考顺利！ 祝大家考试顺利！
展开
机器学习（周志华）
2025-04-15
26次阅读
资料获取方式
温馨提示：登录学霸英雄官网后可获取更多大学生必备科目和考证等复习备考资料！