吉林大学 23级 软件学院 机器学习B 期末备考指南

最新推荐文章于 2025-12-14 09:28:25 发布
原创 最新推荐文章于 2025-12-14 09:28:25 发布 · 254 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习 #人工智能

各位早上中午晚上好，这里是米饭不是配菜

如标题所示，这是笔者对于软件学院 机器学习B 这门课程，进行的一些纯粹主观价值观输出的一篇备考指南，尤其受限于这门课程只考过一年，实在是缺乏相关样本。为避免欠拟合，请读者务必不要过分参考这份指南，权且当是看个乐。

由于笔者本学期没有重修这门课程（去年这门课成绩还可以，加之更重要的……重修这门课的老师……），本篇文章随缘更新，而且可能与期末考试的节点并不完全吻合，还请谅解。

废话说完，正文开始——

吉林大学22级机器学习b真题回忆版
weixin_73043129的博客
12-10 434
2.支持向量机最大间隔平面计算，画支持向量示意图，给出五个点，统计方法例题。1.sgd bdg区别，公式，方法，优缺点。1.支持向量机所有公式，约束条件，硬背硬写。发布于2024-12-10著作权归作者所有。ppt熟读并背诵，看统计方法那本书上例题。可用于分类&回归的模型-svm。3.最小二乘法，线性回归公式。都是概念题，优缺点一类的。2.对机器学习前景展望。1.神经网络计算节点。
吉林大学22级机器学习B(软件工程)期末证明题+计算题极限速成
mifanandpeicai的博客
12-07 1713
各位晚上好，发布的时间距离考试还有正好十二个小时先简单整理一下可能考察的算法的计算，至于详细内容很难说有没有时间补了——首先我们回顾一下关于这次考试的几点情报：证明题+计算题共计三道，论述题可能也有计算内容；Python不是已知知识，排除了现场默写包名和函数名的风险；杜伟老师说他不喜欢考察公式推导，因此我们先考虑能够手搓出来计算过程的算法；
吉林大学软件学院机器学习A期末卷（回忆版）
ppjlu的博客
12-09 2281
软院同学皆可食用第一年SXH老师教考，也有计算，好好看PPT上例题。平时考试时候能听多少听多少（课上能学到的有限，这门课尽量也别期末指望学在吉大，老师的数学功底太厚咱们一时半会搞不清楚，参考网上经验贴更好些）
机器学习期末练习题
unseven的博客
08-12 2万+
目录KNN决策树朴素贝叶斯SVMadaboost梯度下降法KmeansAprioriSVD重要的评估指标（注意F1 score）机器学习算法总结过拟合和欠拟合产生的原因：解决欠拟合(高偏差)的方法解决过拟合(高方差)的方法： KNN 决策树 朴素贝叶斯 SVM adaboost 这个题的答案给的有问题，推荐看完这个解析 41、AdaBoost算法原理的举例推演
吉林大学 23级 软件学院 机器学习B 期末复习知识总结 总纲
mifanandpeicai的博客
11-13 544
本文的重心是以两本教材（李航的统计学习方法 & 周志华教授的西瓜书）为蓝本，同时部分参考了《Deep Learning》第五章 - 机器学习基础 的内容（没有参考前四章中的数学推导），对于课上机器学习知识重点的一些回顾，偏向于知识总结型；唯一的优点是：确实确保了所有列出内容的100%正确性，包括各种复杂的公式推导（是不是跳步了你别管）。其中第五章：径向基函数神经网络，无论是实际应用还是考试内容中，都属于绝对的非重点，时间不够可以不看（除了基本定义以外，完全不看的那种不看）。
吉林大学软件学院 23级 机器学习B 期末考试真题回忆版
mifanandpeicai的博客
12-02 534
本文分享了2025年12月2日吉林大学软件学院《机器学习》期末考试真题回忆版。考试题型包括选择题（20分）、简答题（20分）、计算与证明题（30分）和论述题（30分）。选择题涉及二分类任务、逻辑回归、聚类算法等基础概念；简答题考查偏差与方差、岭回归、SVM等知识点；计算题包括PCA降维、SVM核函数和线性回归；论述题聚焦逻辑回归和机器学习应用安全。备考建议采用广度优先策略，重点记忆PPT概念和公式，无需深究推导过程。文章强调开源分享精神，希望帮助后续考生备考。
从来没见过这么多的资源~~好好找找吧，一定有你需要的
热门推荐
Java学习指南
09-18 2万+
从来没见过这么多的资源~~好好找找吧，一定有你需要的
6月城市之星领跑活动获奖名单已出炉
优快云 官方博客
07-12 1万+
经过一个月的角逐，6月城市之星领跑活动上榜名单终于出炉啦，本次城市赛道是根据最后登陆且6月份有入围博客之星用户的城市一共368个城市，城市人数划分区间具体情况如下： 200+以上城市2个，其中有一些博主的城市由于未获取到，故在「未知」城市赛道 100-199人城市6个， 50-99人城市5个 20-49人城市10个 10-19人城市19个 0-9人城市160个 下面就来看看具体城市的上榜名单及排名吧，快看看你上榜没～ 200+以上城市上榜名单及排名 北京赛道 用户ID
PDF/CDF 用matlab计算和绘图1
qq_32790593的博客
12-21 4003
原 PDF/CDF 用matlab计算和绘图 2018年04月23日 21:36:57 liujie2462 阅读数：1565 ...
山东大学软件学院机器学习.zip
04-20
山东大学软件学院机器学习期末考试复习资料，内含19年以及20年期末考试题目及解答，是尹老师的机器学习，闭卷考试。
精选资源
2023山东大学软件学院软件测试期末复习资料
06-14
其中名称为软件测试技术的pdf，是完全按照潘鹏老师2023年的ppt整理的。请相信一个愿意做笔记，每节课在其他同学做别的事情（忙着保研，忙着实习，总之是在做一些更有意义的事情）的时候，一分一秒都没漏大三了还在...
2024 春季学期南开大学软件学院机器学习课程的代码资源仓库介绍
08-18
南开大学软件学院开设的机器学习课程，不仅注重理论知识的传授，更重视实践技能的培养，尤其在培养学生的编程能力和解决实际问题的能力上投入了大量的资源。 对于2024年春季学期的课程，南开大学软件学院提供了一个...
山东大学软件学院2022级软件工程专业限选机器学习实验
06-22
对于山东大学软件学院2022级软件工程专业的学生们而言，机器学习实验课程的开设无疑是一项具有前瞻性的教学安排。机器学习作为当今计算机科学领域的热点研究方向，正被广泛应用于数据分析、图像识别、自然语言处理等...
肝硬化患者肝功能分级临床预测模型：基于机器学习的多变量分析
huanghm88的专栏
12-11 206
摘要 本研究基于128例肝硬化患者的34项临床指标，采用机器学习方法构建肝功能分级预测模型。通过XGBoost、随机森林等多种算法比较，发现XGBoost模型表现最优，预测准确率达86.5%，AUC值0.89。研究确定了总胆红素、白蛋白等10个关键预测因子，为临床肝功能评估提供了新的辅助工具。该模型整合了多维临床数据，较传统Child-Pugh评分更具综合性，有助于优化肝硬化患者的个体化诊疗决策。未来需扩大样本量进行多中心验证，进一步完善模型性能。 关键词：肝硬化；肝功能分级；机器学习；预测模型；XGBoo
机器学习进阶＜5＞K-means智能客户分群与可视化分析系统
2303_77568009的博客
12-09 1270
这篇博客详细介绍了基于Streamlit构建的交互式K-means聚类学习平台。该项目通过模块化设计，带领用户从数据生成、算法原理演示、最佳K值选择，到实际应用场景（如客户细分、图像颜色量化）和交互式练习，完整实践无监督学习流程。平台集成了丰富的可视化组件与即时反馈功能，特别适合机器学习初学者直观理解K-means的核心概念与实现步骤。博客还提供了完整的代码解析、运行指南及资源推荐，是一份深入浅出的实战教程。
【技术人如何用爬虫+机器学习识别并屏蔽恶意广告】第1课：爬虫与广告反欺诈入门
最新发布
weiliang_Handan的博客
12-14 762
本文介绍了广告欺诈的现状及其危害，并提出了利用网络爬虫和机器学习技术进行反欺诈的解决方案。主要内容包括：1)网络爬虫的基本原理和工作流程；2)常见广告欺诈类型及其对行业的负面影响；3)系统化的反欺诈学习路径，从数据采集、预处理到模型训练和系统部署。通过构建自动化识别系统，可有效保护广告预算、优化投放策略并提升用户体验。文章还包含了一个简单的Python爬虫示例代码，帮助读者初步了解数据采集技术。
机器学习进阶＜4＞探索数据中的物以类聚——直观理解k-均值聚类算法
2303_77568009的博客
12-09 677
这篇博客以生动的生活场景（如手机相册分类、商场客户分组）为引，深入浅出地介绍了经典的K-means聚类算法。通过“选班干部”的比喻和宠物数据集的Python可视化演示，清晰阐释了其“初始化、分配、更新、判断”四步核心流程，并展示了如何用肘部法则科学选择聚类数量。
Conan-embedding整理
kexin197的博客
12-11 931
本文提出了一种改进的文本嵌入模型Conan-embedding，其核心创新在于动态难负样本挖掘和跨GPU平衡损失。该方法在训练过程中实时挖掘难负样本，使模型能动态适应复杂数据分布；采用多阶段训练策略，包括预训练阶段的通识学习和微调阶段的专项训练；通过跨GPU平衡损失解决训练振荡问题，提升模型稳定性。实验表明，该方法能有效提升文本嵌入质量，尤其在检索任务中表现突出。研究还探讨了不同任务（检索与STS）在训练策略上的差异，为后续研究提供了重要参考。
机器学习与深度学习基础（五）：深度神经网络经典架构简介
TracyCoder的博客
12-11 825
本文学习要点：1.深度神经网络分层架构：全连接层卷积层池化层2.深度神经网络代表:CNN：CNN、AlexNet、VGG-Net、GoogLeNet（Inception）、ResNet（残差连接）编码器-解码器架构：序列到序列模型（Seq2Seq）
山东大学软件学院机器学习期末复习指南
综上所述，这份资源是山东大学软件学院的学生为机器学习期末考试准备的极具价值的复习资料集合，其中可能包含的复习材料和往年试题对期末考试的备考具有极大的帮助。资源的全面性和针对性能够帮助学生构建机器学习的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值