• 算法 模型假设 损失函数 优化方法
    朴素贝叶斯 特征条件独立（给定类别下特征独立） 对数似然损失（最大似然估计） 极大似然估计（或EM算法处理缺失值）
    SVM 数据线性可分（或通过核函数映射到高维可分），最大化分类间隔 Hinge Loss + L2正则化项 拉格朗日对偶 + SMO（序列最小优化）
    集成学习 - 随机森林：特征子集独立性
    - GBDT：残差逐步拟合    		 - 随机森林：基尼系数/信息增益
    - GBDT：自定义损失（如平方损失、对数损失）    		 - 随机森林：Bagging
    - GBDT：梯度下降（加法模型）
    PCA 数据在低维线性子空间上方差最大 重构误差最小化（或协方差矩阵特征值最大化） 特征值分解（或SVD）
    K-Means 数据呈球形分布，簇内紧密 样本到簇心的平方距离和（SSE） EM算法（迭代更新簇心与样本分配）
    逻辑回归 数据线性可分，通过sigmoid映射概率 交叉熵损失（对数损失） 梯度下降（或拟牛顿法）
    线性回归 数据成线性分布 平方误差 最小二乘/随机梯度下降
    DNN 多层非线性变换可拟合复杂函数 任务相关（如交叉熵、均方误差） 反向传播 + 梯度下降变体（如Adam、SGD）
    CNN 局部相关性、平移不变性（通过卷积核和池化） 任务相关（如交叉熵） 反向传播 + 梯度下降变体（如Adam）
    RNN 序列数据的时间依赖性（通过循环结构传递状态） 交叉熵（序列预测任务） BPTT（随时间反向传播）+ 梯度截断/Adam
    Transformer 全局依赖关系通过自注意力机制捕获 交叉熵（带掩码的序列预测任务） Adam优化器 + 学习率预热（如Noam调度）
    • 以垃圾邮件分类为例，出一道查准率(precision).查全率(recall)的计算题。试述真正例率(TPR).假正例率(FPR)与查准率(precision).查全率(recall)之间的关系。出一道多项选择题。
    • 写出绘制PR曲线的伪代码
    •  
    • 模仿教材例题 4.1 更改数值。出计算填空题。
    • 模仿教材例题 7.1 让学生利用几何方法直接求 svm最 ⼤ 间 隔 分 离 超 平面方程。多选题。
    • 模仿教材例题 7.2 更改点坐标 让学生 计算对偶问题展开化简过程。出填空题。
    • svm 求解分几步。出排序题。
    • 出一道多项选择题，下面哪些问题是凸优化问题。
    • 出一道多选题，svm 对偶问题的 KKT 条件，下面给出的哪些是正确的？给 10 个选项条件 诺干错 剩余对。
    •  
    • 模仿教材 例题 5.2 更改数值后 出一道填空题 随机考一种属性划分 计算信息增益 ；不用让他们重复计算每一种划分。
    • 算法 5.2 出一道 排序题
    • 算法 5.3 出一道 排序题
    • 模仿教材 例题 5.4 更改数值后 出一道填空题 随机考一种属性划分 计算Gini；不用让他们重复计算每一种划分
    • 出一道 6 个选项的单选题，给定一个比较明显的数据，让学生用 ID3 生成决策树，选择正确的树。主要考察学生对决策树算法的理解，即使不计算数值，也能估算最后的决策树。
    • 模仿教材 例题 8.1 更改数值后 出一道填空题 挖多个空 考一次更新权重过程即可
    •  
    • 出一道 计算 题 考d2l教材公式6.3.2
    • 已知模型网络架构 求上述模型参数量
    • RNN 会考去年试卷 同类型计算题
最后修改: 2026年03月9日 星期一 08:21