https://gentleostrich.github.io/tags/buaa/Recent content in BUAA on GentleOstrichHugozh-HansMon, 19 Jan 2026 00:00:00 +0000https://gentleostrich.github.io/posts/%E5%8C%97%E8%88%AA-buaa-2025-%E7%A7%8B%E7%A0%94%E7%A9%B6%E7%94%9F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%9C%9F%E6%9C%AB%E8%80%83%E8%AF%95%E5%9B%9E%E5%BF%86%E7%89%88/Mon, 19 Jan 2026 00:00:00 +0000https://gentleostrich.github.io/posts/%E5%8C%97%E8%88%AA-buaa-2025-%E7%A7%8B%E7%A0%94%E7%A9%B6%E7%94%9F%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%9C%9F%E6%9C%AB%E8%80%83%E8%AF%95%E5%9B%9E%E5%BF%86%E7%89%88/<p> 考试已经过去一周了，根据依稀的记忆写下这篇考试回忆，希望能对后来的同学有所帮助。</p> <p>本次机器学习期末考试包含大量往年题目，如决策树、反向传播推导、按照最小错误率和最小风险求后验等等。</p> <p>临近考试不要慌张，多看往年经验分享博客、掌握老师说过的的必考知识点、补齐课件中短板、自信应对考试就可以啦。</p> <p>以下内容为笔者回忆版，不保证准确性，请各位读者有选择性地参考。</p> <h2 id="t1-贝叶斯决策" class="relative group">T1 贝叶斯决策 <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100"><a class="group-hover:text-primary-300 dark:group-hover:text-neutral-700" style="text-decoration-line: none !important;" href="#t1-%e8%b4%9d%e5%8f%b6%e6%96%af%e5%86%b3%e7%ad%96" aria-label="锚点">#</a></span></h2><p>给出先验概率和类条件概率，决策损失函数 \(\lambda\)（其实就是选错的风险值）</p> <ol> <li>使用最小错误率进行决策</li> <li>使用最小风险进行决策</li> </ol> <h2 id="t2-k-means" class="relative group">T2 K-means <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100"><a class="group-hover:text-primary-300 dark:group-hover:text-neutral-700" style="text-decoration-line: none !important;" href="#t2-k-means" aria-label="锚点">#</a></span></h2><ol> <li>使用数学语言描述 K-means 的流程</li> <li>执行一遍 K-means 流程（给定 4 个二维点的坐标，初始化了 2 个二维中心点，要求迭代执行 2 次），并简述 EM 算法的 E-step 和 M-step 分别对应 K-means 中的哪个流程</li> <li>K-means 的缺陷以及解决办法（K-means++）</li> </ol> <h2 id="t3-pca" class="relative group">T3 PCA <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100"><a class="group-hover:text-primary-300 dark:group-hover:text-neutral-700" style="text-decoration-line: none !important;" href="#t3-pca" aria-label="锚点">#</a></span></h2><ol> <li>简述最大方差、最小均方误差的主要思想</li> <li>PCA 的一般求解过程（求协方差矩阵、最大特征值对应的特征向量等等）</li> <li>与 LDA 的关系与区别</li> </ol> <h2 id="t4-svm" class="relative group">T4 SVM <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100"><a class="group-hover:text-primary-300 dark:group-hover:text-neutral-700" style="text-decoration-line: none !important;" href="#t4-svm" aria-label="锚点">#</a></span></h2><ol> <li>从几何解析的角度描述参数 w 和 b 的意义</li> <li>说明惩罚系数和松弛变量的作用</li> </ol> <h2 id="t5-关联规则学习" class="relative group">T5 关联规则学习 <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100"><a class="group-hover:text-primary-300 dark:group-hover:text-neutral-700" style="text-decoration-line: none !important;" href="#t5-%e5%85%b3%e8%81%94%e8%a7%84%e5%88%99%e5%ad%a6%e4%b9%a0" aria-label="锚点">#</a></span></h2><ol> <li>简述先验算法的基本思想（支持度之类的）</li> <li>简述关联规则学习的应用场景（社交网络、货品分类）</li> </ol> <h2 id="t6-半监督学习" class="relative group">T6 半监督学习 <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100"><a class="group-hover:text-primary-300 dark:group-hover:text-neutral-700" style="text-decoration-line: none !important;" href="#t6-%e5%8d%8a%e7%9b%91%e7%9d%a3%e5%ad%a6%e4%b9%a0" aria-label="锚点">#</a></span></h2><ol> <li> <p>简述聚类假设和流形假设</p>