题型
- 共 9 题，每题 10 分或者 12 分。
- 3 道计算题，6 道问答题。
- 90% 的内容由考纲、作业、PPT 覆盖。
题目
- (问答题) 简述机器学习的三要素、过拟合、欠拟合，并说明过拟合、欠拟合与三要素的关系。
- (计算题) 考察线性回归的最小二乘法。① 写出线性回归的目标函数；根据题干数据，求解 w0w_0w0 和 w1w_1w1。② 写出岭回归的目标函数，说明其与线性回归的目标函数的不同。
- (计算题) 考察支持向量机，作业原题。
- (问答题) 简述 AdaBoost 的算法原理。说明训练数据的权重是如何更新的？弱分类器是如何组成强分类器的？
- (问答题) 简述混元高斯模型的 EM 算法流程，并从 EM 算法的角度说明它和 K 均值的不同。
- (计算题) 根据题干数据，计算给定神经网络的前向传播结果。
- (问答题) Transformer 的编码器模块和解码器模块分别由哪些层组成？从结构上说明 Transformer 相较于 RNN 的优势。
- (问答题) GAN 中的生成器和判别器分别起到什么作用？以生成手写数字图像为例，说明二者是如何协同进化的。
- (问答题) 简述 Q-Learning 的算法流程，并说明它的主要优缺点。