记得不是很清楚了,但是可以大概回忆一下(0-o)

题型还是填空+判断+简答+计算

填空题

考了信息熵公式,搜索问题的五要素,hingeloss公式,SVM优化目标函数,约束求解问题的(X,D,C)的含义。无限集合有k个球,球的分布是什么样子的时候熵最大。迭代深度优先搜搜的时空复杂度。决策树通过什么防止过拟合。(没提到的欢迎补充)

判断题

评课社区有人提供大纲,考的大纲里面基本都有,有两问是问贝叶斯网络是不是有监督的机器学习方法、EM算法是不是无监督的机器学习算法belike。

简答题

考了深度优先搜索和回溯法的异同;博弈的组成成分;搜索算法的局部算法跟全局算法的区别,举例说明。

计算题

贝叶斯网络,画因果图,求简单的条件概率分布和边缘分布。

强化学习,给出一张图,包括了状态、行动、转移概率、收益、策略,第一问算状态点的V值;第二问求出更新之后的策略。(记住Q、V的更新公式就会写)

神经网络,给出一个三层的网络图,各层的激活函数和损失函数,第一问求反向传播的权重更新公式,第二问代入数据计算更新后的权重,第三问问学习率的大小给训练带来的影响。这一题网络输入层2个节点,隐层三个节点,输出层一个节点。

KNN近邻,给出五个数据点(x1,x2)和他们的label,给出一个待分类的数据,第一问问待分类的数据在不同的k值下分成什么类;第二问问k的取值有什么影响。