湖南師范大學碩士研究生入學考試自命題科目考試大綱不僅能給你一個復習的方向，還能幫助你梳理整個知識脈絡，方便記憶。今天，小編為大家整理了“2023考研大綱：湖南師范大學2023年碩士研究生入學考試自命題科目《機器學習導論》考試大綱”的相關內容，希望對大家有所幫助！
湖南師范大學碩士研究生招生考試自命題科目考試大綱
考試科目代碼：【】考試科目名稱：機器學習導論
考試內容及要點
《機器學習導論》課程培養(yǎng)了學生使用機器學習方法結合數(shù)據(jù)完成學習模型的能力，以便為針對不同數(shù)據(jù)構造合適的學習模型解決實際問題，并掌握對學習結果評價的方法。
（一）基本概念
１．機器學習基本概念；
２．誤差和過擬合；
３．模型評價方法，包括留出法、交叉驗證法、自助評價法、調參法；
４．性能度量，包括機器學習的錯誤率、精度、F1檢驗法、ROC/AUC圖檢驗，代價曲線；
５．各種機器學習中的檢驗方法，包括假設檢驗，交叉檢驗，McNemar，F(xiàn)riedman，Nemenyi，偏差/方差分析。
（二）線性模型
１．線性模型基本概念；
２．線性回歸模型和對數(shù)幾率回歸模型；
３．線性判別分析LDA算法；
４．多分類學習；
５．類別失衡狀態(tài)的調節(jié)方法。
（三）神經(jīng)網(wǎng)絡模型
１．神經(jīng)元與神經(jīng)網(wǎng)絡基本概念；
２．感知機與神經(jīng)網(wǎng)絡構建；
３．參數(shù)調節(jié)的反向傳播算法；
４．全局最優(yōu)和具備最優(yōu)概念與調節(jié)方法；
５．深度學習的基本概念。
（四）支持向量機
１．SVM的基本思想與概念、對偶問題；
２．核函數(shù)的基本概念與意義；
３．正則化的意義與基本計算；
４．支持向量回歸；
５．核方法。
（五）集成學習
１．集成學習的基本概念與理論；
２．Boost模型的基本概念與使用；
３．Bagging模型的基本概念與使用；
４．隨機森林模型的基本概念與使用；
５．數(shù)據(jù)集成中的多樣性，包括誤差分解、多樣性度量與增強。
（六）聚類
１．聚類的基本概念與性能度量方法；
２．類間和類內距離計算；
３．k均值聚類模型的基本概念與應用；
４．高斯混合聚類模型的基本概念與應用；
５．密度聚類和層次聚類的基本概念。
原文鏈接：https://yjsy.hunnu.edu.cn/info/1027/13242.htm
以上就是小編整理“2023考研大綱：湖南師范大學2023年碩士研究生入學考試自命題科目《機器學習導論》考試大綱”的全部內容，想了解更多考研復試大綱信息，請持續(xù)關注本網(wǎng)站！
