机器学习基础复习提纲.docxVIP

机器学习基础复习提纲 1、选择题（16分）和2、是非题（14分） Python语言的特点： Simple (简单) Easy to Learn (易学) Free and Open Source (免费、开源) High-level Language (高级语言) Portable (可移植性) Interpreted (解释型) Object Oriented (面向对象) Extensible (可扩展性) Embeddable (可嵌入性) Extensive Libraries (丰富的库) 动态类型，交互式，多继承，函数返回值，函数作为参数，变长参数，缺省参数，命名参数， 三种for for i in list： print(序号：%s 值：%s % (list.index(i) + 1, i)) for i in range（len（list））： print(序号：%s 值：%s % (i + 1, list[i])) for i,val in enumerate(list): print(序号：%s 值：%s % (i + 1, val)) for和while中的break, continue, else for…..else可以在无法循环或者程序执行完的时候执行，while….else同理 break跟continue和c一样 List, Tuple, Dictionary, set List是可变有序的列表，可以随意添加和删除其中的元素 Tuple和list结构相似，但是tuple一旦初始化就不能修改 字典具有极快的查找速度，且dictionary的key是不可变对象（字符串和整数都可作为key） Set与dictionary类似，它是一组储存key的无序的集合，且key不能重复 range()函数产生List list = range（1，100）产生1到99的一个数组 numpy.min, max, sort, argmin, argmax, argsort, flipud, [::-1] min，max计算矩阵或者数组中的最小值，最大值 argmin，argmax分别计算矩阵或数组最大值，最小值所在位置的索引 sort(axis=-1, kind=quicksort, order=None)axis中0代表行，1代表列，kind代表算法，order指排序的字段名 argsort返回按小到大数值的索引值 flipud用于翻转矩阵 [::-1]表示将数组倒序 scatter, plot, bar, box，绘制多轴图，subplot(numRows, numCols, plotNum) scatter画散点图 plot画折线图 bar画柱状图 box画箱图 多轴图调用subplot（numR，numC，plotNum） 因此构造RxC的矩阵plotNum指矩阵中的位置 机器学习的一般慨念，比如：有监督的机器学习、无监督的机器学习、强化学习等 机器学习模型评价方法和评价性能指标及其在sklearn中相关的函数 属性的类型，数据预处理技术（如sklearn.preprocessing.StandardScaler，preprocessing.scale，preprocessing.MinMaxScaler()，preprocessing.normalize，processing.Normalizer()），过拟合和欠拟合，过拟合处理技术，参数和超参数， sklearn.preprocessing.StandardScaler标准化处理 preprocessing.scale与上面的StandardScaler类似，但是标准化处理可以将处理好的数组保存 preprocessing.MinMaxScaler()归一化 preprocessing.normalize，processing.Normalizer()正则化，每一个向量内所有元素的平方和等于1 过拟合产生的原因：数据过少+模型过于复杂+有噪音 解决方案：1数据处理2辅助分类节点3正则化 欠拟合产生的原因：训练模型太简单，没有学习到通用的特征 解决方案：1添加更多的特征项2减少正则化参数3使用更深的模型4使用集成方法 寻求最优的模型f（x，θ）中的θ成为参数，而通过一类参数来定义结构模型或者优化策略这类参数称为超参数 支持向量机的核函数，神经网络中的层数，梯度下降的步长，聚类算法的类别个数，正则化的系数都是最常见的超参数 各个机器学习算法的基本性质 比如LinearRegression, Decision Tree, SVM, KNN, MLP, SOM, K-means, DBSACN Li