
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、考試范圍和主要內容
1.緒論
機器學習的基本概念。
2.模型評估與選擇
經驗誤差與過擬合、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.神經網絡
神經元模型、感知機與多層網絡、誤差逆?zhèn)鞑ニ惴?、全局最小與局部極小、其他常見神經網絡、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、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、參數化估計方法、非參數化估計方法、樸素貝葉斯分類器、半樸素貝葉斯分類器、貝葉斯網、EM算法等。
8.集成學習
個體與集成、Boosting、Bagging、隨機森林、結合策略、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。
本文內容整理于山東大學研究生招生信息網。
關于2024山東大學805機器學習考研大綱的內容,小編就給大家簡單介紹到這里了。如果還有其他考研相關內容想要了解的,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~