机器学习与知识发现（陈恩红）
2019秋 2018秋 2017秋 2016秋 2015秋 课程号：CS0514101
2019秋 2018秋 2017秋 2016秋 2015秋 课程号：CS0514101
2019秋 2018秋 2017秋 2016秋 2015秋 课程号：CS0514101
7.5(2人评价)
7.5(2人评价)
- 课程难度：中等
- 作业多少：中等
- 给分好坏：一般
- 收获大小：一般
| 选课类别：专业 | 教学类型：理论实验课 |
| 课程类别：研究生课程 | 开课单位：计算机科学与技术系 |
| 课程层次：硕士 | 学分：3.0 |
点评
写点评
排序
学期
评分
评分
2条点评
- 课程难度：中等
- 作业多少：中等
- 给分好坏：一般
- 收获大小：一般
- 难度：中等
- 作业：中等
- 给分：一般
- 收获：一般
课程有点名，需要期末考试。讲的内容跟本科的数据挖掘课程差不多，不过研究生课程对理论分析要求更高一些，比如需要推导感知机的梯度下降和反向传播公式。
教材：
课件：
2013 版课件：
- chapter1.pdf
- ch2-final.ppt
- ch3_association_rule.ppt
- ch4_classification.ppt
- chap5_alternative_classification(final).ppt
- chap6_basic_cluster_analysis.ppt
2013 年的讲座：
- 课程难度：中等
- 作业多少：很多
- 给分好坏：杀手
- 收获大小：一般
- 难度：中等
- 作业：很多
- 给分：杀手
- 收获：一般
陈老师上课就是个reader，偶尔喜欢手推一下公式或者叫同学上来推公式。本来这门课也不简单，再加上老师上课基本就是复述课本或者PPT，所以课程学习基本靠自觉。可以参考李航的《统计学习方法》来学，其他学院也开了统计学习的课程，讲得不错（就是期末考试挺难）。
至于考试，每年题型都大同小异，今年是九道大题，每道题大概是十来分，题量非常大，开卷考试也做不完的居多，以算法比较和概念题等开放题目为主，剩下就是计算题，今年的题目大概是：
1、”过拟合“和”欠拟合“的概念、导致的问题和解决方案
2、给了一组表格数据，带标签，分别用信息增益和信息基尼算决策树，冗余数据对决策树对结果有没有影响
3、给了一组二维坐标，用PCA方法降维
4、贝叶斯网络的计算天气概率
5、一个奖赏算法的改写，写出伪代码
6、K-means算法的局限性，有什么改进？领导者算法是什么，和K-means有什么异同？写出一个自动求分类簇数的改进K-means算法。
7、已知一组样本，设计实验比较LR、SVM、多层感知机的优劣
8、什么是直推学习？TSVM和自训练半监督学习有什么异同？半监督聚类的必连约束和勿连约束是什么？
9、基于新冠病毒的人群聚集预测，可以使用什么机器学习算法，怎么设计流程
总得下来，两个钟做不完，做了计算题就没时间做概念题，总得下来卷面完成率也就百分之七八十的样子，卷面分感觉很难及格（大神略过），最终出分再追评
