機器學習+算法考試有感 2019 山東大學

• • 機器學習
  • 算法

機器學習

開卷考，考試只占40分

只記得如下：

• 名詞解釋（最大似然+強化學習+奧卡姆剃刀）
• 簡答（貝葉斯估計）
• 大題（決策樹+svm）

本學期所學：

• 貝葉斯決策論
• 參數估計：最大似然估計、貝葉斯估計
• 非參數估計：Parzen窗、KNN
• 線性判別函數：線性可分/不可分、梯度下降、牛頓法
• 神經網絡：單層、多層、反向傳播、RBF、SOM
• 決策樹：ID3、C4.5、CART
• SVM

遺漏部分：

• 知識點需要能用文字描述，盡量簡短。如最大似然估計、貝葉斯估計；
• 決策樹計算需要很熟悉；
• svm需要一份詳細推理，包括kkt條件，對偶性轉化，以及svm如何 處理線性不可分問題；

前面名詞解釋因為不足夠熟悉，不能用文字簡練描述，只能看著西瓜書抄，浪費很多時間。決策樹計算很慢，svm推理要寫好久，幾乎是卡著時間寫完的。

算法

沒有實驗，無課堂點名，交過兩次作業，考試應該至少占90分，老師說并查集不考

五道設計題，只記得如下:

• 根據Dijkstra idea設計
• 設計最小生成樹，安全邊性質
• 動態規劃（設計最長路徑）
• 證明最大流最小切割定理（3條互證）
• Bellman-Ford迭代次數與所求點到源點s邊數相等證明

本學期所學

• BFS、DFS，DFS應用：Topological Sort、Strong Connect Component
• 單源最短：Bellman-Ford、DAG、Dijkstra
• 全局最短：Extend、Slow、Fast、Floyd-Warshall
• 最小生成樹：安全邊性質、Kruskal、Prim
• 最大流：最大流最小切割、最大二分匹配
• 動態規劃
• 并查集

遺漏部分：

• dijkstra復雜度分析
• 動態規劃idea，why
• 鴿巢原理？

每個算法的idea是最重要的，為什么有這個idea，如何根據idea對相似問題設計算法。

這次算法考試很難，都是需要自己設計的，背就寫上去的題占很少部分。

總結

以上是生活随笔為你收集整理的机器学习+算法考试有感 2019 山东大学的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。