平时分：30%
考试只考 3 个班的公共部分；
8 选择 16，2 计算，2 论述（一个原理，一个伪代码）
计算：感知机，贝叶斯，KL？
选择：
Em 迭代公式；迭代一次就可以；只计算 E 步和 M 步，考一个应用，给一个应用场景，什
么情况要怎么做
PCA；
基本的原理比如 svm（有简答题），逻辑回归，adaboost
简述 svm 的原理
只掌握 svm 最最基础的思想和形式化最大间隔问题
SVM 分类算法
HMM 是重点（无大题）
基本原理要背会
势函数法；
深度学习简答题；
特征选择考的比较少，通常是算法；
概率图：证明图上两个节点独立可能会考；
KL 特征值，特征向量，特征向量会是一个对角阵；
半监督，无监督的共同点和差异性，很多小方法；
集成学习 贝叶斯置信网
损失函数，线性回归，逻辑回归，svm,adabost; 伪代码应该是 ada
Bp 优化算法
原问题转化为对偶问题；
核方法 SVM ;
掌握损失函数和拉格朗日正则项；
作业题中出现的考点可能以其它形式考
核函数知道基本定义，性质不会考；
高斯核.
掌握多类判别函数情况 3
关键记住公式；
评论0