这门课属于可以速通型考试，因为几乎全是简答，csdn上有前辈总结的知识点，把它全背下来就能拿个还行的分数，实在不行如果老师划重点背关于重点的。博主一天速通的，及格了，但也只是70多，想要拿高分的还是多背

当然机器学习三级项目还有实验占比很大，这个要记得完成，要不然你考试背再好也会寄。

下面是回忆考了点什么

填空：

非常简单，简直就是送分

监督无监督（就是描述了一下什么是监督学习，然后你往空里填对应的名词）

朴素贝叶斯（朴素贝叶斯算法流程）

决策树（id3 c4,.5 cart对应的那三东西 信息增益 信息增益率 基尼系数）

过拟合欠拟合（描述一下，对应填空）

简答：

只要背了你就是无敌的

1.机器学习的步骤  数据预处理为什么重要

2.聚类方法的步骤

3.svm原理 以及最优超平面怎么形成的

4.boosting adaboost 考了，但忘了考的哪一方面了

5.线性回归中梯度下降法的原理(作用？）  记不清了，但绝对考了，因为我没写出来

6.卷积神经网络池化层，卷积层的运行原理（作用？）

设计与编程:

背了依旧有用

设计----->决策树

给了你一个表，让你创建一个id3决策树，个人觉得还是把原理流程什么的再说一遍，只不过要用到表中的数据。

编程------->bp神经网络实现鸢尾花分类

这个就是机器学习实验中例题，你好好做了能看明白，考了里面变量代表什么，损失函数，要优化代码怎么做什么的。

记忆有偏差，题年年可能不一样，请酌情观看。