机器学习-试题-2014

中国科学院大学课程编号：E32004H试题专用纸课程名称：机器学习方法与应用任课教师：叶齐祥———————————————————————————————————————————————姓名学号成绩说明：本试卷共两页，满分100分，其中概念题45分，应用题55分。考试时间为100分钟，请将试题的答案都写在答题纸上。一、概念解释与简述题（45分）1.样本（样例）、机器学习、统计学习2.机器学习的一般步骤（请画示意图）3.样本属性的主要类型4．信息增益5．核函数SVM的判别方程6.Adaboost的判别函数7．二维数据三个混合项的高斯模型的概率密度方程8．聚类分析有哪些主要距离度量方法？请列举3-4种9．列举K-means聚类方法与GMMs方法的共同点二、计算与分析题（共55分）表1-是否去打球训的练样本，天气、湿度、温度、风为属性编号天气温度湿度风是否去打球（标号）1晴天炎热高弱不去2晴天炎热高强不去3阴天炎热高弱不去4下雨适中高弱去5下雨寒冷正常弱去6下雨寒冷正常强不去7阴天寒冷正常强去8晴天适中高弱不去9晴天寒冷正常弱去10下雨适中正常弱去11晴天适中正常强去12阴天适中高强去13阴天炎热正常弱去14下雨适中高强不去1.决策树属性选择：对于表-1中的数据，“湿度”、“风”两个分别将数据划分如下：其中”9+”表示9个正例（去打球）、“5-”表示5个反例（不去打球），其他依此类推。请基于“信息增益”的方法判断哪个属性更好？2.贝叶斯方法：对于表-1中的数据，给一个新实例天气（阴天）,温度（寒冷）,湿度（高）,风（强），请基于朴素贝叶斯方法决策是否去打球？3.SVM：请从分类间距最大化的角度，基于二次规划（无需求解过程）推导线性SVM的判别方程。4.深度神经网：简述LeNet5卷积神经网的结构、权值求解方法，着重阐明卷积神经网络权值、连接的物理含义。并结合传统神经网络的BP算法，简要推导卷积神经网络的误差传播过程。5.数据降维：PCA与Manifold数据降维的不同点在哪里？6.其他：请谈谈你将来的科研中可能使用那些机器学习方法，并简要说明选择此种方法的原因。共2页第2页湿度高正常(2+,5-)(6+,1-)S:(9+,5-)风弱强(5+,3-)(3+,3-)S:(9+,5-)中国科学院大学—机器学习方法与应用考试试题A卷