机器学习基础与优化
- 原文作者
- 李文乐 其中第 1—9 题来自李文乐编写的文档：第 1—5 题为 CRF，第 6—9 题为 HMM。
请介绍 k-means 算法的流程， 写出 k-means 模型的⽬标函数。K-means 求解 过程跟 EM 算法之间有什么关系？ K-MEANS ⽬标函数是否是 convex?
原题什么叫 EM 算法？有哪些经典模型的求解过程会⽤到 EM 算法？
原题EM 算法是否⼀定会收敛？EM 算法给出的全局最优还是局部最优？
原题请解释什么叫 MLE，什么叫 MAP? 请说明它们之间的区别。 在数据量⽆穷多的 时候，是否 MAP 趋近于 MLE 估计？
原题请解释什么叫召回率，精确率，F1 Measure，ROC, AUC? 什么时候需要⽤到这 些？
原题数据集拥有⾮常多的特征，但样本个数有限，所以计划做特征选择，有哪些⽅法 可以⽤来做特征选择呢？
原题随机森林和 Gradient Boosting Tree 之间的区别是什么？
原题在构建决策树模型的时候，我们⼀般不会构建到底，也就做⼀些剪枝的操作，为 什么？ 然⽽，在构建随机森林的时候剪枝的操作不像决策树⾥那么重要，为什么？
原题什么样的数据是不均衡数据（imbalance data）？ 需要怎么样的处理？
原题什么是 kernel trick? 它有什么好处？并写出 RBF kernel, Gaussian Kernel 的公 式。
原题
暂无题目