LawsonAbs的認知與思考，還請各位讀者審慎閱讀，
總結
- 文章來源：csdn：LawsonAbs
- 持續更新~
歡迎選修ssl老師的機器學習課，擔心嗎？害怕嗎？還覺得學習機器學習有意思嗎？ 這里總結一下ssl老師課程中的考試題，希望能夠幫助到師弟師妹們，希望后續有新考試題出來時，師弟或者師妹可以聯系我將其加入題庫，
1. 2010年試題
求高斯分布的均值和協方差矩陣的最大似然估計
2. 2012年考題
名詞解釋：貝葉斯公式、最小誤差概率模型
最大似然估計，最大后驗估計，貝葉斯估計的含義？
- 最大后驗估計就是在最大似然估計的基礎上加了一個引數的先驗
- 貝葉斯估計就是使用貝葉斯定理計算一個引數的后驗分布
已知x,y是連續型變數，其中 x = g ( y ) x=g(y) x=g(y)，已知x的概率密度為 p X ( x ) p_X(x) pX?(x)，求y的概率密度運算式，
利用分布求
簡述規范化的作用
- 線性回歸中，使用L2范數作為懲罰項的正則化最小二乘法稱為嶺回歸
- 線性回歸中，使用L1范數作為懲罰項的正則化最小二乘法稱為Lasso回歸
如何進行主成分分析？
HMM的聯合分布運算式
3. 2013年考題
head to head 的公式推導
這是匯總結構，匯總結構分兩種情況：一種是節點被觀測，一種是節點不被觀測，
- B 節點被觀測
- B 節點不被觀測
線性分類器兩類不可分問題的函式運算式以及其實作思路
KNN的基本思想
kmeans的基本思想
- 目標： 最小化所有資料到其所屬簇中心的距離的平方和
- 方法：迭代優化近似求解
4. 2014年考題
如何檢驗某個函式是否是核函式？
- 根據核函式的定義
- 根據有限半正定性
和積演算法的程序是什么？
什么是共軛先驗？
head to tail 的推導
隱馬爾可夫模型如何產生觀測序列？
寫出HMM模型用到的所有引數，并寫出其全部變數的聯合分布
什么是最大團？
為什么需要近似推斷？
EM演算法的詳細步驟？
Fisher 的基本思想，優化運算式及結果
Fisher線性判別也稱為線性判別分析（Linear discriminant analysis,LDA），既可以看成一種線性分類器，也可以看成一種監督降維方法，
用途：
- 降維
- 分類
優勢：
- 同時考慮類間與類內的關系
即：一方面希望兩個類別的資料投影后的均值之間的距離盡可能大，（這個距離怎么衡量？），假設類別一的均值是 m 1 m_1 m1?，類別2的均值是 m 2 m_2 m2?
5. 2015年考題
線性回歸模型定義
期望傳播
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/246147.html
標籤：其他
上一篇：Springboot如何實作自定義錯誤頁面（錯誤處理機制詳解）
下一篇：CDH環境搭建及部署