要求考生系統(tǒng)地理解機器學(xué)習(xí)的基本概念,理解和掌握各種機器學(xué)習(xí)的理論和方法,并具有綜合運用所學(xué)知識進行分析問題和解決問題的能力。
二、考試范圍和主要內(nèi)容
1.緒論
機器學(xué)習(xí)的基本概念。
2.模型評估與選擇
經(jīng)驗誤差與過擬合、評估方法、性能度量、比較檢驗、偏差與方差等。
3.線性模型
線性回歸、對數(shù)幾率回歸、線性判別分析、多分類學(xué)習(xí)、類別不平衡問題、基于梯度的優(yōu)化方法等。
4.決策樹
決策樹基本流程、劃分選擇、剪枝處理、連續(xù)與缺失值、多變量決策樹等。
5.神經(jīng)網(wǎng)絡(luò)
神經(jīng)元模型、感知機與多層網(wǎng)絡(luò)、誤差逆?zhèn)鞑ニ惴?、全局最小與局部極小、其他常見神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等。
6.支持向量機
間隔與支持向量、對偶問題、核函數(shù)、軟間隔與正則化、支持向量回歸、核方法等。
7.貝葉斯分類
貝葉斯決策論、參數(shù)化估計方法、非參數(shù)化估計方法、樸素貝葉斯分類器、半樸素貝葉斯分類器、貝葉斯網(wǎng)、EM算法等。
8.集成學(xué)習(xí)
個體與集成、Boosting、Bagging、隨機森林、結(jié)合策略、多樣性等。
9.聚類
聚類任務(wù)、性能度量、距離計算、原型聚類、密度聚類、層次聚類等。
10.降維與度量學(xué)習(xí)
k近鄰學(xué)習(xí)、低維嵌入、主成分分析、核化線性降維、流形學(xué)習(xí)、度量學(xué)習(xí)等。
本文內(nèi)容整理于山東大學(xué)研究生招生信息網(wǎng)。
關(guān)于2024山東大學(xué)805機器學(xué)習(xí)考研大綱的內(nèi)容,小編就給大家簡單介紹到這里了。如果還有其他考研相關(guān)內(nèi)容想要了解的,就請登錄高頓考研頻道看看吧。
小編為2024考研的小伙伴們準(zhǔn)備了豐富的學(xué)習(xí)資料,點擊下方藍色圖片即可領(lǐng)取哦~