简介这是一份机器学习课程期末复习试题文档面向需要系统梳理算法原理与解题方法的本科生或考研备考者。资源包含9道典型问答题及详细解析围绕监督学习与无监督学习、过学习成因与对策、回归与逻辑回归损失函数、多层感知机中的BP算法流程、朴素贝叶斯分类器在特征重复场景下的失效分析、最近邻法与三近邻法的距离计算、极大似然法求解硬币参数、线性可分性判断与核函数构造、EM算法步骤及收敛性论证等核心内容展开。每个问题都附有分步解题思路例如用二维坐标点演示最近邻与三近邻分类计算通过特征映射分析异或问题的不可分性并求解最大间隔参数还包含写出回归与逻辑回归损失函数、推导极大似然估计等练习。其中极大似然法要求按步骤完成参数推导BP算法详细阐述误差反向传播的循环流程EM算法则从下界最大化的角度说明收敛逻辑。文档为doc格式全包共1个文件约93KB已有5740人学习浏览适合考前强化训练与知识查漏补缺。1. 期末复习试题先分清“背题”还是“练思路”拿到一份《机器学习期末复习试题.doc》大部分人的第一反应是打开、往下翻、找答案。但我见过太多人把一周时间耗在“背题”上最后考试成绩和平时作业成绩几乎持平——因为现在的卷子越来越不考原题而是考“换一个数据集你还会不会用这个模型”。这份文档的真正价值不在答案本身而在它替你画出了老师认为“学过就该会”的知识点边界。本文就按“筛选资料 → 拆大纲 → 转成自测脚本 → 避开常见坑 → 冲刺验证”这条路径把这一个doc文件用成一个完整的期末备考闭环整个过程对新手可复现、对熟手有参数参考。2. 拿到文档别急着背先判断这份《复习试题》靠不靠谱期末复习资料和开源代码一样第一关永远是“选型”。一份来源不明、结构混乱的doc背得再熟也可能把你带偏。我通常拿到文档后不做题先花二十分钟做一次“资料体检”。第一步看文档生成环境。如果doc是某个院校教学平台上导出的通常页眉页脚带课程编号如果是往届学长流传的整理版文件名里常带“背诵版”“终版”“删减”这类字眼。这两类资料的价值完全不是一个量级前者是官方范围后者是二手加工。页面设置、标题格式、目录是否自动生成都能看出原文档是排过版还是随手粘贴的。第二步看题型分布。一份合格复习题通常围绕六类题型组织概念辨析题、公式推导题、算法流程题、计算应用题、案例分析题、实验设计题。如果文档里全是“XXX是什么”的简答那它大概率只覆盖了“识记”层对综合题几乎没有帮助。我一般会把文档里的题号扫一遍按题型统计个数哪类题型低于总数10%哪类就是薄弱区。2.1 四个筛选维度题型、覆盖面、答案质量、题量配比维度合格线不合格信号题型覆盖至少3种题型全篇只有名词解释和填空知识点覆盖含监督学习、无监督学习、深度学习各一块只讲线性回归和决策树答案有推导或明确依据只有结论没过程题量每章至少10题核心章节只有两三题年份敏感度题目提到近年常用框架停留在2015年前的算法名词这个表不需要记你只需要拿手头的doc逐行对照。有一项不过关不影响使用但如果“答案质量”和“题目年份”同时出问题这份文档就只适合当名词索引不适合当主复习材料。2.2 为什么“参考答案重要程度超过题目本身”复习阶段的错题记忆效率很大程度上取决于你对“为什么错”的理解。一份好的复习文档就算题目简单答案也要写出关键推导链。比如一道“用梯度下降求解线性回归说明学习率如何选择”的题目差的答案只写“学习率太大会震荡太小会慢”好的答案会写“用对数尺度从1e-2开始试观察loss曲线震荡就除以10收敛过慢就乘以3再配合学习率衰减策略”。后者才是你在考场上能用的话术。2.3 怎么快速把doc正文抽出来核对老式.doc文件经常存在兼容性问题直接用Word打开排版乱掉的概率不低。我一般用两步做文本抽取不做任何修改只读内容# 第一步用antiword抽取纯文本看内容缺不缺 antiword 机器学习期末复习试题.doc review.txt wc -l review.txt # 第二步如果antiword报错老doc加密/编码问题改用LibreOffice转成docx libreoffice --headless --convert-to docx 机器学习期末复习试题.doc参数说明antiword只能处理旧版二进制doc对docx无能为力所以第二步是兜底方案。LibreOffice转出来的docx我会用python-docx按段落重新组织避免目录、页眉混入正文。wc -l的输出如果少于200行说明文档可能只是提纲不是完整试题集别浪费时间。3. 把复习题拆成知识地图题型对应算法算法对应考点文档里的每道题背后都对应一到两个算法模块。我的做法是不按题目顺序复习而是把题目“倒挂”回知识结构按模型家族重新排布任务量。对于一门典型的机器学习课程期末范围通常可以拆成五个知识块。3.1 六大题型与考点的映射关系概念辨析题针对SVM的核函数选择、过拟合与欠拟合、偏差方差权衡。这类题考的是“能不能一句话说清两个术语的边界”。公式推导题线性回归最小二乘推导、朴素贝叶斯的后验概率展开、逻辑回归的梯度推导。这类题要手推不能只看。算法流程题决策树生成过程、K-means迭代步骤、AdaBoost权重更新顺序。重点在“第几步做什么”。计算应用题给一堆数据点手算KNN分类结果、算一次信息增益、跑一轮K-means质心更新。这类题是送分题也是复习时最容易眼高手低的部分。案例分析题给一个业务场景让选模型并说理由。比如“银行风控数据100万条、特征200维、要求结果可解释性强你会选什么模型”。这是近年卷子的压轴区。实验设计题问训练集验证集怎么划分、评价指标怎么定、对比实验怎么设计。这类题最像吴恩达机器学习作业里的“实践题”变体。3.2 重点知识点清单与常见出题角度知识块高频算法常见出题角度监督学习·回归线性回归、岭回归、LASSO最小二乘推导、正则化作用、梯度下降对比监督学习·分类逻辑回归、SVM、决策树、KNN决策边界、核函数、信息增益计算集成学习随机森林、AdaBoost、GBDT样本权重更新、弱分类器组合无监督学习K-means、PCA、DBSCAN距离度量、质心更新、降维解释方差概率模型朴素贝叶斯、高斯判别分析贝叶斯公式展开、先验与似然深度学习基础感知机、BP神经网络、CNN基础反向传播链式法则、激活函数选择把doc里每道题归到表中任意一格你会发现大多数学校出的题都集中在“分类”和“计算应用”两列。如果你的文档里大量题目落在“概念辨析”且没有计算应用题说明它只是背诵提纲你必须自己补齐手算练习——常见做法是按西瓜书《机器学习》每章后面的习题找三五道做因为那些题的质量比网络流传的大部分“复习题库”高。3.3 用“错题位置”反过来判断哪些章节分值高一个非常实的技巧是把文档按章节标题做书签定位题目多的章节通常就是考试分值高的章节。如果doc里第十章有30道题第三章只有5道别按章节顺序平均分配时间。我在备考复习时会把题目数做成累计曲线曲线陡峭的位置就是重点章。这也和“机器学习期末复习”这个场景里最常用到的二八原则一致百分之八十的题目集中在百分之二十的算法上。4. 把doc变成一套能自测的复习脚本从文本到随机刷题与错题统计文档本身是静态的但复习需要反复迭代。我建议把这份doc不仅当阅读材料还转成一棵小型自测题库。这里的思路不复杂先把题目按知识点打标签再脚本化抽样生成每日自测卷最后把错题按知识点汇总指导第二天的复习。4.1 解析docx段落结构自动拆出题目如果文档已经是docx格式用python-docx很容易提取段落并识别题号。如果是旧doc先按第2章的方式转成docx。# -*- coding: utf-8 -*- from docx import Document doc Document(机器学习期末复习试题.docx) questions [] cur_q {text: , options: [], answer: None, knowledge: } for para in doc.paragraphs: text para.text.strip() if not text: continue # 题号常见形态1. / 一、 / 【1】/ (1) if text[0].isdigit() and (、 in text[:4] or . in text[1:4]): if cur_q[text]: questions.append(cur_q) cur_q {text: text, options: [], answer: None, knowledge: } elif text.startswith((A., B., C., D.)): cur_q[options].append(text) elif text.startswith((答案, 参考答案, 正确)): cur_q[answer] text.split()[-1].strip() else: cur_q[text] \n text if cur_q[text]: questions.append(cur_q) print(f解析到 {len(questions)} 道题目)逻辑说明解析器以行为单位扫描遇到数字开头且带“、”或“.”的行认为是一道新题选项行以“A.”这类前缀标识答案行单独捕获。这样提取出来的数据结构是“题目文本 选项列表 答案”三元组。参数说明如果文档用“1.”而不是“1、”编号把判断改掉text[0].isdigit() and . in text[1:4]。如果选项是“A、”而不是“A.”把startswith前缀对应修改。解析结果打印出的题目数比文档实际教少通常是识别规则没覆盖到带编号括号的题号比如“1”这时在题号判断里补上text.startswith()即可。4.2 按知识点打标签生成每日刷题序列解析完成后手工打标签太累。常见做法是建一个关键词表把题目文本里出现的关键词映射到知识块。逻辑回归的题目大概率出现“sigmoid”“逻辑”“LR”决策树题目出现“信息增益”“基尼”“剪枝”。命中关键词就把题目划入对应知识块。knowledge_map { 线性回归: [最小二乘, 梯度下降, w, MSE, Ridge, Lasso], 逻辑回归: [sigmoid, 逻辑回归, 交叉熵, LR], SVM: [支持向量, 核函数, 软间隔, 超平面], 决策树: [信息增益, 基尼, 剪枝, ID3, C4.5], 聚类: [K-means, 质心, 轮廓系数, DBSCAN], 贝叶斯: [贝叶斯, 先验, 后验, 朴素], 降维: [PCA, 特征值, 方差解释率], 集成学习: [随机森林, AdaBoost, GBDT, Bagging, Boosting], } def tag_question(q_text): tags [] for k, kws in knowledge_map.items(): if any(kw in q_text for kw in kws): tags.append(k) return tags if tags else [未分类] # 自测抽样优先抽“未分类”和最近错题多的知识点 import random def daily_paper(questions, size10): random.shuffle(questions) selected questions[:size] return selected daily daily_paper(questions, 10)参数说明size10是每日基础刷题量到了考前一周建议调到20。knowledge_map是核心参数你要根据自己课程PPT里的措辞修改关键词比如老师习惯把SVM叫“向量机”那就把“向量机”加进SVM的关键词列表。判断只做了any包含属于文本层的粗糙分类漏标是正常的不追求完美只要能把错题归位就行。4.3 错题统计与薄弱知识点排序wrong_questions [] # 每次刷题答错的题目 def review_report(wrong_list, all_questions): stats {} for q in wrong_list: for tag in q.get(knowledge, [未分类]): stats[tag] stats.get(tag, 0) 1 sor sorted(stats.items(), keylambda x: x[1], reverseTrue) return sor report review_report(wrong_questions, questions) for tag, cnt in report: print(f{tag}: 错题数 {cnt})逻辑说明统计对象是错题列表统计维度是知识标签。返回排好序的列表错题最多的知识标签就是明天的优先复习对象。这种方法比按章节平均刷题效率高得多因为期末复习的产出取决于“能不能消除薄弱点”而不是“做了多少道题”。执行这个分析脚本后我一般会回到第3章的知识点清单把薄弱块里还没刷过的题型重点补齐。5. 避坑专题期末复习里最常见的五个翻车现场复习资料本身处理干净后真正决定分数的是执行过程。这一章我整理了五条高频踩坑记录每一条都按“现象 → 原因 → 解决”给出对应机器学习期末备考里最典型的效率黑洞。5.1 背原题不背方法现象模拟卷里做对的一道SVM核函数选择题考试时换成“高斯核参数gamma变大决策边界会怎样”就完全懵了。原因复习只记住了题目答案没记住背后的判断链条。gamma变大每个样本的的影响范围变小边界更复杂更容易过拟合。背答案的人看到题目变体就直接断档。解决对每道错题要求自己用一句话复述“这题考的是哪个算法关系”。复述不出来的题即使答案写对了也重新理解一遍。这个做法的实质是给每道题挂上知识标签和脚本里knowledge字段一一对应。5.2 只看不推公式推导全跳过现象平时觉得“线性回归推导看一眼就会了”拿到卷子让写最小二乘的闭式解推导写到一半卡在矩阵求导处。原因公式推导是手部记忆不是眼部记忆。眼睛认得推导向量手没练过就想不起来。解决每周抽三到五个公式盖住纸面默写。写完和答案对照错的步骤用红笔打点。核心公式清单就三条线性回归最小二乘、朴素贝叶斯后验展开、逻辑回归梯度更新。这三条在几乎所有学校的卷子里都有出场机会。5.3 把时间花在“找资料”而不是“做题目”上现象电脑桌面同时摆着五份复习文档、两套往年真题、三个版本的笔记复习一小时里有四十分钟在对比哪份资料更全。原因资料收集能带来“我在复习”的错觉而做题带来的反馈是痛苦的。这是典型的伪复习状态。解决定一个死规则——资料总数不超过三份主资料就是那份《机器学习期末复习试题.doc》另外两份最多只能是往年真题和算法速查表。每次换资料前先问自己当前这份里的错题清完了吗5.4 忽略实验和课程设计内容现象复习时只看理论题结果考试里出现“给你一个二分类数据集描述你怎么设计实验验证模型效果”这类实验设计题完全没话写。原因期末卷子除了考知识点还考“你有没有真的动手跑过模型”。机器学习期末复习的范围比教科书的章节范围更宽实验题的覆盖点在过程不在结论。解决先按“数据划分 → 模型选择 → 指标评估 → 对比实验 → 结论”五步准备一个万能实验模板。考场上无论给什么场景都套这个结构写清楚每一步做了什么和为什么至少能拿一半分。5.5 对答案的残留错误不加辨别现象文档里某道计算题的答案是错的但复习时没看出问题考试时用同样的错误方法算了另一道题。原因网络流传的复习文档通常没有经过严格校对答案链路的错误率远高于官方教材。解决对计算类题目不管答案写得多完整都要自己重新算一遍。特别是K-means迭代、信息增益计算这类数值型题目用草稿纸重算一遍最多花五分钟却能筛掉大部分答案错误。怀疑答案是错的就回西瓜书或官方课件里找同型题对照。6. 一周冲刺把doc复习题变成考前模拟现场最后一轮的用法不再是逐题刷而是把整套复习题按要求做限时模拟。考前最后七天我一般按“三步模拟法”来用这份资料。第一步按真实考试题型配比组卷。从解析后的题库里按第3章的题型比例抽样概念题3道、公式推导题2道、计算应用题2道、案例分析题1道。总题量控制在45分钟能完成。这一步的目的是找回手感不是查漏。配比参数很关键——如果你学校的卷子计算题多而这份文档计算题少就把抽样权重往计算题方向调。第二步对着答案给自己判分判分标准要严。推导题只要中间关键步骤缺失就扣一半分应用题算错一个数字即使过程对也算错真实考试不会给过程分以外的数字分。判完分后统计每个知识块的正确率正确率低于60%的块在当天晚上必须回看对应讲义章节。第三步整理一份“考前最后一页纸”。把反复错的知识点压缩成两页内容左边是公式右边是常见坑。比如SVM的软间隔参数C越大越容易过拟合决策树剪枝分预剪枝后剪枝AdaBoost对异常点敏感——这些判断句比完整推导更有利于考前快速回看。这套流程我做过多轮最大的教训是复习文档本身不会帮你提分提分的是“把文档里的知识标签化、把错题反馈循环起来”这个过程。尤其在期末冲刺期时间紧、任务重守住“每天先做错得最多的知识点”这条底线比什么都重要。希望帮到你。本文还有配套的精品资源点击获取