《機器學習試題》由會員分享，可在線閱讀，更多相關《機器學習試題（2頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、精品文檔 2歡在下載 2010年春碩士研究生 機器學習 試題 下列各題每個大題 10分，共8道大題，卷面總分 80分 注意：在給出算法時，非標準（自己設計的）部分應給出說明。特別是自己設置的參數(shù)及變 量的意義要說明。 1.下面是一個例子集。其中，三個正例，一個反例。 “P”為正例、"N’為反例。這些例子 是關于汽車的。例子有 4個屬性，分別是“產地”、“生產商”、“顏色”、“年代”。 產地 生產商 顏色 年代| 類別 Japan Honda Blue 1980 P Japan Honda Blue 1990 P USA Chrysl

2、er Red 1980 N Japan Honda Red 1980 P 其中：“產地”的值域為（Japan,USA）、“生產商”的值域為（Honda, Chrysler）、"顏色"的 值域為（Blue,Red）、“年代”的值域為（1980,1990）。這里規(guī)定“假設”的形式為 4個屬性值 約束的合取；每個約束可以為：一個特定值 （比如Japan、Blue等）、？（表示接受任意值） 和 （表示拒絕所有值）。例如，下面假設： （Japan, ?, Red, ?） 表示日本生產的、紅色的汽車。 1）根據(jù)上述提供的訓練樣例和假設表示，手動執(zhí)行候選消除算法。特別是要寫出處理

3、 了每一個訓練樣例后變型空間的特殊和一般邊界； 2）列出最后形成的變型空間中的所有假設。 2 .寫出ID3算法。（要求：除標準ID3算法外，要加入“未知屬性值”和“過適合”兩種情 況的處理）。 3 .給出一個求最小屬性子集的算法。 4.給定訓練例子集如下表。依據(jù)給定的訓練例子，使用樸素貝葉斯分類器進行分類。 給定類別未知例子〈高度=矮，頭發(fā)=紅，眼睛=蘭＞，計算這個例子的類別。（計算類別時要 先列出式子，然后再代入具體的數(shù)） 。 例子號 高度 頭發(fā) 眼睛 類別 1 矮 淡黃 蘭 + 2 高 淡黃 蘭 + 3 高 紅 蘭 + 4 高 淡黃

4、 褐 一 5 矮 里 八、、 蘭 一 6 高 里 八、、 蘭 一 7 高 里 八、、 褐 一 8 矮 紅 褐 一 5.給定線性函數(shù) ？（x） W0 W1X1 wnxn及誤差定義 E 1 (f(x) ?(X))2 2x D 其中，Xi是例子x的第i個屬性值，f(x)是目標函數(shù)，D是訓練例子集合。請給出一個算法, 這個算法能求出一組 Wi值，使得線性函數(shù) ?(x)逼近目標函數(shù)f(x)(本題要求寫出算法的 步驟，算法步驟的詳細程度要符合書中算法的標準) 。 6.給定例子集(如下表)，要求：1)用平面圖直觀畫出例子的分布； 2)給出一種規(guī)則好壞

5、 的評判標準；3)寫出概念聚類算法。 例子 X1 X2 X3 X4 e1 0 A 0 1 e2 0 B 0 0 e3 0 C 1 2 e4 1 A 0 2 e5 1 C 1 1 e6 2 A 1 0 e7 2 B 0 1 e8 2 B 1 2 7.簡述題 1)簡述“機器發(fā)現(xiàn)”的三個定律； 2) KBANN EBNN FOCL是分析學習和歸納學習結合的三個算法。簡述這三個算法與單純的 歸納學習方法相比，分別有什么區(qū)別或優(yōu)點。 8.關于模式定理 1)分析“選擇步”對群體遺傳的影響：令 m(s,t

6、)是群體中模式s在時間t (或第t代)的 實例數(shù)量，f(h)是個體h的適應度，f(t)是時間t (或第t代)群體中所有個體的平均 適應度，n為群體中個體的總數(shù)量， U：s,t)是時間t (或第t代)群體中模式s的實例 的平均適應度。在“選擇步”中，每個個體被選中的概率為 Pr(h) (Pr(h)的計算見公式 (1)),如果共進行了 n次獨立選擇，請給出在第(t+1)代(即下一代)的群體中，模式 s 的實例存在的期望數(shù)量 E[m(s,t+1)](要求給出分析過程)。 Pr(h)「^) (1) i1f(hi) 2)分析“變異步”對群體遺傳的影響：令 m(s,t)是群體中模式s在時間t (或第t代)的 實例數(shù)量。設在模式 s中有R(s)個確定位，變異操作以概率 Pm選擇一位并改變這位上 的值。如果只考慮變異步對群體遺傳的影響，請給出在第 (t+1)代(即下一代)的群體 中，模式s的實例存在的期望數(shù)量 E[m(s,t+1)](要求給出分析過程)。