2026 年秋季机器学习考试回忆整理
题型
- 共 10 题,包含 3 道计算题和 7 道问答题。
- 以下内容根据同学转述,具体数据及完整条件以原题为准。
题目
-
(问答题) 简述机器学习的三要素,并分别说明这三要素在线性回归和逻辑回归中的具体体现。
-
(问答题) 根据题干给出的 A、B、C 三幅拟合示意图,回答:① 判断哪幅图的拟合效果更好;② 分析欠拟合和过拟合产生的原因;③ 列举三种缓解过拟合的方法。
-
(计算题) 考察朴素贝叶斯分类,题目与作业中的性别分类问题类似。根据题干给出的数据,计算样本属于各类别的后验概率,并确定其预测类别。
-
(计算题) 考察支持向量机(SVM)。已知负类样本为 (1,1)(1,1)(1,1),正类样本为 (3,3)(3,3)(3,3) 和 (4,3)(4,3)(4,3)。① 求最优分类超平面的权重向量 www、偏置 bbb 及决策函数;② 求最大间隔,并写出各样本对应的约束条件;③ 说明软间隔 SVM 中惩罚参数 CCC 的作用,并从偏差与方差的角度分析其取值对模型的影响。
-
(问答题) 简述 Bagging 的训练流程,包括基学习器的训练方式和预测结果的聚合方式。说明随机森林在 Bagging 的基础上引入了哪些改进,并列举随机森林的两个优点和一个缺点。
-
(问答题) 简述期望最大化(EM)算法的基本流程。① 说明 E 步和 M 步分别执行什么操作;② 写出 E 步中的责任度公式,并解释责任度在 M 步中的作用;③ 说明 EM 算法为什么需要交替执行 E 步和 M 步,直至收敛。
-
(计算题) 已知输入特征图的空间尺寸为 8×88\times88×8,卷积层使用 2 个 3×33\times33×3 的卷积核,步长为 1,填充为 1;随后采用 2×22\times22×2 的池化窗口,池化步长为 2。① 分别计算卷积层和池化层输出特征图的空间尺寸及通道数;② 根据题干给定的输入通道数,计算卷积层的参数量;③ 说明卷积层相较于全连接层能够减少参数量的原因。
-
(问答题) 简述 Transformer 中查询矩阵 QQQ、键矩阵 KKK 和值矩阵 VVV 的生成方式,以及注意力权重的计算过程。说明缩放点积注意力为什么需要除以 dk\sqrt{d_k}dk,并解释多头注意力的基本原理及其与单头注意力的区别。
-
(问答题) 简述生成对抗网络(GAN)中生成器和判别器的作用。① 根据判别器的训练目标,说明其对真实样本的输出 D(x)D(x)D(x) 和对生成样本的输出 D(G(z))D(G(z))D(G(z)) 分别应趋近于什么值;② 训练生成器时,希望 D(G(z))D(G(z))D(G(z)) 趋近于什么值;③ 交替训练生成器和判别器时,分别需要固定哪一方的参数。
-
(问答题) 简述强化学习中状态、动作和奖励的含义,并解释动作价值函数 Q(s,a)Q(s,a)Q(s,a) 的意义。已知某状态 sss 下,Q(s,向上)=5Q(s,\text{向上})=5Q(s,向上)=5,Q(s,向右)=3Q(s,\text{向右})=3Q(s,向右)=3,说明采用贪心策略时应如何选择下一步动作。进一步解释 ε\varepsilonε-贪心策略为什么仍需为其他动作保留被选择的机会,并说明 Q-Learning 中即时奖励与动作价值的区别与联系。
转载自 CSDN-专业IT技术社区
原文链接:https://blog.csdn.net/m0_64140451/article/details/170863182



