中国科学院大学
试 题 专 用 纸
课程编号：E32004H
课程名称：机器学习方法与应用 任课教师：叶齐祥
———————————————————————————————————————————————
姓名 学号 成绩 说明：本试卷共两页，满分100分，其中概念题45分，应用题55分。考试时间为100分钟，请将试题的答案都写在答题纸上。
一、 概念解释与简述题（45 分） 1. 样本（样例）、机器学习、统计学习 2. 机器学习的一般步骤（请画示意图） 3. 样本属性的主要类型 4．信息增益
5．核函数SVM的判别方程 6. Adaboost的判别函数
7．二维数据三个混合项的高斯模型的概率密度方程 8．聚类分析有哪些主要距离度量方法？请列举3-4种 9．列举K-means聚类方法与GMMs方法的共同点 二、 计算与分析题（共55 分）
表1- 是否去打球训的练样本，天气、湿度、温度、风为属性
编号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 天气 晴天 晴天 阴天 下雨 下雨 下雨 阴天 晴天 晴天 下雨 晴天 阴天 阴天 下雨 温度 炎热 炎热 炎热 适中 寒冷 寒冷 寒冷 适中 寒冷 适中 适中 适中 炎热 适中 湿度 高 高 高 高 正常 正常 正常 高 正常 正常 正常 高 正常 高 风 弱 强 弱 弱 弱 强 强 弱 弱 弱 强 强 弱 强 是否去打球（标号） 不去 不去 不去 去 去 不去 去 不去 去 去 去 去 去 不去
中国科学院大学—机器学习方法与应用 考试试题 A卷 1. 决策树属性选择 ：对于表-1中的数据，“湿度”、“风”两个 分别将数据划分如下：
S: (9+, 5-) 湿度 高 正常
S: (9+, 5-) 风 弱 (5+, 3-)
强
(2+, 5-) (6+, 1-)
(3+, 3-)
其中”9+”表示9个正例（去打球）、“5-”表示5个反例（不去打球），其他依此类推。请基于“信息增益”的方法判断哪个属性更好？
2. 贝叶斯方法：对于表-1中的数据，给一个新实例<天气（阴天）, 温度（寒冷）, 湿度（高）, 风（强），
请基于朴素贝叶斯方法决策是否去打球？
3. SVM ：请从分类间距最大化的角度，基于二次规划（无需求解过程）推导线性SVM的判别方程。
4. 深度神经网：简述LeNet5卷积神经网的结构、权值求解方法，着重阐明卷积神经网络权值、连接的物理含
义。并结合传统神经网络的BP算法，简要推导卷积神经网络的误差传播过程。
5. 数据降维：PCA与Manifold 数据降维的不同点在哪里？
6. 其他：请谈谈你将来的科研中可能使用那些机器学习方法，并简要说明选择此种方法的原因。
共 2 页 第2 页