机器学习考试题目及答案 .pdfVIP

机器学习考试题目答案

1.简描述机器学习概念？

TomMitCheI1：对于某类任务T和性能度量P,如果一个计算机程序在T上以P衡

量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E学习J

我们遇到的大部分事情一般包括分类问题与回归问题。如房价的预测，股价的预测等

1）2）

属于分类问题。一般的处理过程是：首先，获取数据；提取最能体现数据的特征；

3）4）

利用算法建模；将建立的模型用于预测。如人脸识别系统，首先我们获取到一堆人

脸照片，首先，对数据进行预处理，然后提取人脸特征，最后用算法如SVM或者NN等。

这样，我们就建立了一个人脸识别系统，当输入一张人脸，我们就知道这张面孔是否在系

统中。这就是机器学习的整个流程，其次还包括寻找最优参数等。

机器学习主要分为：

监督学习：数据集是有标签的，大部分机器学习模型都属于这一类别，包括线性分

类器、支持向量机等等；

无监督学习：跟监督学习相反，数据集是完全没有标签的，主要的依据是相似的样本

在数据空间中一般距离是相近的，这样就能通过距离的计算把样本分类,这样就完全不需

要IabeI,比如著名的kmeans算法就是无监督学习应用最广泛的算法；

半监督学习：半监督学习一般针对的问题是数据量超级大但是有标签数据很少或者

说标签数据的获取很难很贵的情况，训练的时候有一部分是有标签的而有一部分是没有

的；

强化学习：一直激励学习的方式，通过激励函数来让模型不断根据遇到的情况做出调

整；

2.循环神经网络的基本原理？

RNNS的目的是用来处理序列数据。在传统的神经网络模型中，是从输入层到隐含层

再到输出层，层与层之间是全连接的，每层之间的节点是无连接的。但是这种普通的神经

网络对于很多问题却无能无力。例如，你要预测句子的下一个单词是什么，一般需要用到

前面的单词，因为一个句子中前后单词并不是独立的。RNNS之所以称为循环神经网路，

即一个序列当前的输出与前面的输出也有关。具体的表现形式为网络会对前面的信息进

行记忆并应用于当前输出的计算中，即隐藏层之间的节点不再无连接而是有连接的，并且

隐藏层的输入不仅包括输入层的输出还包括上一时刻隐藏层的输出。理论上，RNNS能够

对任何长度的序列数据进行处理。但是在实践中，为了降低复杂性往往假设当前的状态只

与前面的几个状态相关，下图便是一个典型的RNNs：（注：下面两张图片仅为了帮助

你

理解RNN,考试不必作答）

RNNs包含输入单元(InPUtunits),输入集标记为{xθ,x1,...,xt,xt+1而输出单

元(OUtPUtUnitS)的输出集则被标记为{yθ,y1yt,yt+1.,..}

RNNS还包含隐藏单元(Hiddenunits),我们将其输出集标记为{sθ,s1

st,st+1,...),这些隐藏单元完成了最为主要的工作。你会发现，

在图中：在RNN中有一条单向流动的信息流是从输入单元到达隐藏单元的，与此同时另

一条单向流动的信息流从隐藏单元到达输出单元。在某些情况下，RNNs会打破后者的限

v

制，引导信息从输出单元返回隐藏单元，这些被称为“BackProjections,并且隐藏层

的输入还包括上一隐藏层的状态，即隐藏层内的节点可以自连也可以互连。

上图将循环神经网络进行展开成一个全神经网络。例如，对一个包含5个单词的语

句，那么展开的网络便是一个五层的神经网络，每一层代表一个单词。对于该网络的计算

过程如下：

Xtt,t=1,2,(SteP)Ox1One-

•表示第表..步的输入比如,为第二个词的

hot向量(根据上图，xθ为第一个词)；

•St为隐藏层的第t步的状态，它