机器学习试题

精品文档2欢在下载2010年春硕士研究生 机器学习 试题下列各题每个大题 10分，共8道大题，卷面总分 80分注意：在给出算法时，非标准（自己设计的）部分应给出说明。特别是自己设置的参数及变 量的意义要说明。1.下面是一个例子集。其中，三个正例，一个反例。“P”为正例、N为反例。这些例子是关于汽车的。例子有 4个属性，分别是“产地”、“生产商”、“颜色”、“年代”。产地生产商颜色年代|类别JapanHondaBlue1980PJapanHondaBlue1990PUSAChryslerRed1980NJapanHondaRed1980P其中：“产地”的值域为（Japan,USA）、“生产商”的值域为（Honda, Chrysler）、颜色的 值域为（Blue,Red）、“年代”的值域为（1980,1990）。这里规定“假设”的形式为4个属性值约束的合取；每个约束可以为：一个特定值（比如Japan、Blue等）、？（表示接受任意值）和（表示拒绝所有值）。例如，下面假设：（Japan, ?, Red, ?）表示日本生产的、红色的汽车。1）根据上述提供的训练样例和假设表示，手动执行候选消除算法。特别是要写出处理 了每一个训练样例后变型空间的特殊和一般边界；2）列出最后形成的变型空间中的所有假设。2 .写出ID3算法。（要求：除标准ID3算法外，要加入“未知属性值”和“过适合”两种情 况的处理）。3 .给出一个求最小属性子集的算法。4.给定训练例子集如下表。依据给定的训练例子，使用朴素贝叶斯分类器进行分类。给定类别未知例子高度=矮，头发=红，眼睛=兰，计算这个例子的类别。（计算类别时要 先列出式子，然后再代入具体的数）。例子号高度头发眼睛类别1矮淡黄兰+2高淡黄兰+3高红兰+4高淡黄褐一5矮里 八、兰一6高里 八、兰一7高里 八、褐一8矮红褐一5.给定线性函数 ？（x）W0W1X1wnxn及误差定义 E 1(f(x) ?(X)22x D其中，Xi是例子x的第i个属性值，f(x)是目标函数，D是训练例子集合。请给出一个算法, 这个算法能求出一组 Wi值，使得线性函数 ?(x)逼近目标函数f(x)(本题要求写出算法的 步骤，算法步骤的详细程度要符合书中算法的标准)。6.给定例子集(如下表)，要求：1)用平面图直观画出例子的分布；2)给出一种规则好坏的评判标准；3)写出概念聚类算法。例子X1X2X3X4e10A01e20B00e30C12e41A02e51C11e62A10e72B01e82B127.简述题1)简述“机器发现”的三个定律；2) KBANN EBNN FOCL是分析学习和归纳学习结合的三个算法。简述这三个算法与单纯的 归纳学习方法相比，分别有什么区别或优点。8.关于模式定理1)分析“选择步”对群体遗传的影响：令 m(s,t)是群体中模式s在时间t (或第t代)的 实例数量，f(h)是个体h的适应度，f(t)是时间t (或第t代)群体中所有个体的平均适应度，n为群体中个体的总数量，U：s,t)是时间t (或第t代)群体中模式s的实例的平均适应度。在“选择步”中，每个个体被选中的概率为Pr(h) (Pr(h)的计算见公式(1),如果共进行了 n次独立选择，请给出在第(t+1)代(即下一代)的群体中，模式 s 的实例存在的期望数量 Em(s,t+1)(要求给出分析过程)。Pr(h)(1)i1f(hi)2)分析“变异步”对群体遗传的影响：令 m(s,t)是群体中模式s在时间t (或第t代)的 实例数量。设在模式 s中有R(s)个确定位，变异操作以概率Pm选择一位并改变这位上的值。如果只考虑变异步对群体遗传的影响，请给出在第(t+1)代(即下一代)的群体中，模式s的实例存在的期望数量Em(s,t+1)(要求给出分析过程)。