《机器学习（周志华）》复习资料
《机器学习（周志华）》版）重点笔记（7）.pdf
《机器学习（周志华）》版）重点笔记（5）.pdf
《机器学习（周志华）》版）重点笔记（1）.pdf
《机器学习（周志华）》版）各章个人笔记.pdf
《机器学习（周志华）》版）重点笔记（3）.pdf
《机器学习（周志华）》版）重点笔记（6）.pdf
《机器学习（周志华）》版）重点笔记（4）.pdf
《机器学习（周志华）》版）重点笔记（2）.pdf
《机器学习（周志华）》版）试题及答案.pdf
第 1 页 / 共 1 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
1次阅读
