国科大叶齐祥机器学习期末考试

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卷机器学习方法与应用机器学习方法与应用机器学习方法与应用机器学习方法与应用机器学习方法与应用机器学习方法与应用机器学习方法与应用机器学习方法与应用机器学习方法与应用机器学习方法与应用机器学习方法与应用机器学习方法与应用机器学习方法与应用