中国科学院模式识别与机器学习作业参考答案

国科大模式识别与机器学习期末真题

本资源包含国科大模式识别与机器学习历年考题，大家还可以关注“算法岗从零到无穷”，里面有国科大各种考试的复习资料如自然语言处理、机器学习、模式识别、图像处理、算法等等。另有算法岗面试技巧以及知识点，供各位求职的同学参考。

国科大《模式分类》历年期末考试试卷集锦系列 （6）2017年期末 刘成林、向世明，学弟学妹们好好复习喲！

国科大模式识别刘成林第六次作业数据集和程序，mnist数据集，SVM支持向量分类，验证。程序可能需要自己调整。

中国科学院模式识别与机器学习期末考试试题4份+预测题（有作者答案），答案有误，请联系我，我会进行修改。如若转发，请注明来源。

主要是模式识别部分的总结，前四章的。很详细可以在期末时用作复习。

重点： 感知器，（批处理算法，改进）；如何做多类分类（一对多，多对一），svm；反向传播算法（优缺点）；卷积神经网络（如何构造，怎么解释，自组织映射的原理，径向基函数也看看）；RNN，STLM作为了解；聚类：如何从混合密度估计到kmeans；准则；挑战性问题；层次聚类；谱聚类（原理，写出一种算法，基本计算过程）。强调问题的描述！！建模！！有无标签，原理（准则，如反向传播-误差传播），任务。adaboost的原理，基本智能过程，为什么有效（最大margin算法-支持向量机）。adaboost那节课的重点是模型选择的原则，分类器集成的基本方法，以及adaboost的原理及其训练的基本计算步骤。

Adaboost算法的设计思想。从机器学习的角度简述模型选择的基本原则。丑小鸭定理；Occam剃刀原理；最小描述长度定理。简述分类器集成的基本方法。推导Hard-Margin SVM的优化目标。解释Hinge Loss在SVM中的意义。编程：从MNIST数据集中选择两类，对其进行SVM分类，可调用现有的SVM工具利用sklearn库进行svm训练MNIST数据集，准确率可以达到90%以上。

国科大人工智能学院模式识别刘成林试卷及答案，包括20年考试题目回忆，