登录
注册
2
收藏
研晟考研，专注清华北大等985/211名校考研辅导，拥有完善的服务团队，专属定制化的考研备考规划，力争实现每位学子的考研梦、名校梦。
考试科目代码：【】 考试科目名称：机器学习导论
考试内容及要点
《机器学习导论》课程培养了学生使用机器学习方法结合数据完成学习模型的能力，以便为针对不同数据构造合适的学习模型解决实际问题，并掌握对学习结果评价的方法。
（一）基本概念
１．机器学习基本概念；
２．误差和过拟合；
３．模型评价方法，包括留出法、交叉验证法、自助评价法、调参法；
４．性能度量，包括机器学习的错误率、精度、F1检验法、ROC/AUC图检验，代价曲线；
５．各种机器学习中的检验方法，包括假设检验，交叉检验，McNemar，Friedman，Nemenyi，偏差/方差分析。
（二）线性模型
１．线性模型基本概念；
２．线性回归模型和对数几率回归模型；
３．线性判别分析LDA算法；
４．多分类学习；
５．类别失衡状态的调节方法。
（三）神经网络模型
１．神经元与神经网络基本概念；
２．感知机与神经网络构建；
３．参数调节的反向传播算法；
４．全局最优和具备最优概念与调节方法；
５．深度学习的基本概念。
（四）支持向量机
１．SVM的基本思想与概念、对偶问题；
２．核函数的基本概念与意义；
３．正则化的意义与基本计算；
４．支持向量回归；
５．核方法。
（五）集成学习
１．集成学习的基本概念与理论；
２．Boost模型的基本概念与使用；
３．Bagging模型的基本概念与使用；
４．随机森林模型的基本概念与使用；
５．数据集成中的多样性，包括误差分解、多样性度量与增强。
（六）聚类
１．聚类的基本概念与性能度量方法；
２．类间和类内距离计算；
３．k均值聚类模型的基本概念与应用；
４．高斯混合聚类模型的基本概念与应用；
５．密度聚类和层次聚类的基本概念。
全程直播，实时互动
班主任督学办学，及时解疑
学霸社群，研友干货分享
心理疏导，打卡福利
北京研晟科技有限公司 
13021053105
(1)群
