2018 机器学习试题（回忆版）
一、名词解释（每题 5 分，共 20 分）
1.机器学习
2.主动学习
3.ID3
4.神经网络
二、简答题（每题 10 分，共 30 分）
1.简述 Parzen 窗的原理与过程，证明为什么可以用于高斯函数。
2.简述梯度下降算法和牛顿算法的原理，并说明他们的区别。证明为什么梯度下降算法可
以确保是下降的。
3.什么是过拟合？造成过拟合的原因是什么？有什么可以避免过拟合的方法？
三、论述题（20 分+30 分）
1.从期望损失的角度分析 adaboost 的合理性，可从分布和分类器权重更新方面阐述。
2.
（1）从 VC 维和结构风险的角度，讨论最大化 margin 的原因。
（2）根据给出的函数，求出对偶函数（要有证明过程）
（3）用支持向量机解决线性不可分问题有哪些方法？
评论1