本篇为智能科学与技术-专业课机器学习-26年期中考试试题（个人回忆版），虽然现在忙着考研，但是想到机器学习这门课网上还没有真题，复习就只能看PPT、课本，如果我做了，下一届学弟学妹们就可以有真题可以参考，那也算做了一件好事，毕竟计算机的灵魂就是开源
机器学习期中考试
一、判断选择
- 决策树和神经网络训练中都会有过拟合的问题（有点忘了原题了主要就是过拟合）
- 决策树选择属性时，信息增益率比信息增益更有效
- 单层感知机无法正确处理异或问题
- 过拟合相关判断
- Bootstrap方法
A 从n个属性中有放回选取n´个属性
B 从n个属性中无放回选取n´个属性
C 从m个数据中有放回选取m´个数据
D 从m个数据中无放回选取m´个数据
二、
- 类别不平衡的数据，现有数据集，一类数据占比90%，另外一类占比10%，我们可以很轻松的得到准确率为90%的模型，但是另一类数据的准确率为0，请问如何处理本题类别不平衡的问题
- 信息增益偏向于取值多的属性，解释原因，怎么做可以缓解该问题？
三、机器学习的评估方法有哪些，说出他们的优缺点
四、 某个疾病的判断，医生的错误率为10%
（1）训练集错误率8%，验证集错误率25%，用什么方案解决，为什么
（2）训练集错误率25%，验证集错误率30%，用什么方案解决，为什么
五、对于数量少的数据集，采用什么评估方法，为什么？
六、
x1(2, 2) x2(3 , 5) x3(1 , 0）
且x1 x2为正例，x3为反例 η＝1
误分类点公式 -yi ( wxi + b ) ＞0
w<---w+η yi xi
b<---b+ηyi
求w和b的最终值