QQ登錄
微博登錄
微信登錄
2024山東大學805機器學習考研大綱公布了！那么其中的內(nèi)容具體有哪些呢？快來看看小編為大家整理的2024山東大學805機器學習考研大綱的有關(guān)內(nèi)容，包含考試范圍和主要內(nèi)容。
一、考試基本要求
要求考生系統(tǒng)地理解機器學習的基本概念，理解和掌握各種機器學習的理論和方法，并具有綜合運用所學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
機器學習的基本概念。
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、多分類學習、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
神經(jīng)元模型、感知機與多層網(wǎng)絡、誤差逆?zhèn)鞑ニ惴ā⑷肿钚∨c局部極小、其他常見神經(jīng)網(wǎng)絡、深度學習等。
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．集成學習
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、性能度量、距離計算、原型聚類、密度聚類、層次聚類等。
10．降維與度量學習
k近鄰學習、低維嵌入、主成分分析、核化線性降維、流形學習、度量學習等。
本文內(nèi)容整理于山東大學研究生招生信息網(wǎng)。
關(guān)于2024山東大學805機器學習考研大綱的內(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考研的小伙伴們準備了豐富的學習資料，點擊下方藍色圖片即可領取哦~
要求考生系統(tǒng)地理解機器學習的基本概念，理解和掌握各種機器學習的理論和方法，并具有綜合運用所學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
機器學習的基本概念。
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、多分類學習、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
神經(jīng)元模型、感知機與多層網(wǎng)絡、誤差逆?zhèn)鞑ニ惴ā⑷肿钚∨c局部極小、其他常見神經(jīng)網(wǎng)絡、深度學習等。
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．集成學習
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、性能度量、距離計算、原型聚類、密度聚類、層次聚類等。
10．降維與度量學習
k近鄰學習、低維嵌入、主成分分析、核化線性降維、流形學習、度量學習等。
本文內(nèi)容整理于山東大學研究生招生信息網(wǎng)。
關(guān)于2024山東大學805機器學習考研大綱的內(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考研的小伙伴們準備了豐富的學習資料，點擊下方藍色圖片即可領取哦~
相關(guān)閱讀
