简介面向高校机器学习课程期末复习的题库型资料包适合正在梳理知识框架、检验掌握程度并冲刺考试的学生使用。内容按单项选择题、多项选择题、名词解释、简答题和编程题五类题型组织覆盖训练集与测试集划分、欠拟合与过拟合、K近邻、朴素贝叶斯判定公式、SVM核函数与线性不可分、决策树ID3/C4.5/CART、线性回归与回归评估指标、聚类分析及神经网络基础等高频考点并配有参考答案与编程实现步骤。资源包共1个docx文件约20KB体积轻便便于打印或导入笔记软件反复查阅。目前已有13141人学习说明其题型结构与考点覆盖具有一定参考价值。读者可借助分题型练习快速定位薄弱环节结合答案核对概念辨析与公式记忆并通过简答、编程题的步骤梳理建立从理论到实现的完整复习路径。1. 机器学习期末复习地图四条主线把零散题目串起来机器学习期末复习资料最容易踩的坑是把“机器学习期末复习题及答案”当成零散选择题来背。更稳的做法是先把地图立起来一条线看学习方式分监督与无监督一条线看任务类型分分类、回归、聚类、降维一条线看模型KNN、朴素贝叶斯、决策树、SVM、线性回归、KMeans、PCA各归其位最后一条线看工程流程训练集测试集、数据清洗、拟合状态、评估指标。期末题常把四条线交叉出题比如“PCA属于什么学习”“KNN导入哪个库”“MAE和MSE怎么区分”。这份复习资料适合已经上过课、需要系统回看和考前查漏的人零基础逐条背反而容易被干扰项带偏。2. 监督学习分类线KNN、朴素贝叶斯、决策树与SVM的判定要点2.1 KNN与朴素贝叶斯有监督分类的两条入门主线K近邻算法在题目里常被问“属于哪种学习方式”答案要落到有监督学习。它的基本思路是拿待分类样本和已有带标签样本算距离找最近的K个邻居由邻居标签投票决定类别。这里的关键不是“邻居”两个字而是“带标签样本”和“距离度量”。如果没有标签KNN没法完成分类训练如果距离度量受量纲影响很大标准化就会影响结果。梳理下来会发现KNN的复习重点集中在四件事有监督属性、K值影响、距离度量、sklearn导入函数。K值是最容易出对比题的地方。K值过小模型对近处噪声敏感训练集表现可能很好换一批数据就翻车偏向过拟合K值过大邻居范围太宽类别边界被抹平容易欠拟合。这个判断和“训练误差低、测试误差高”是连在一起的不能只背一句“K小过拟合”。有些题干会问“KNN算法是A有监督、B无监督、C半监督、D自主学习”标准判断依据就是训练样本是否带标签KNN用带标签样本投票因此归入有监督学习。聚类才更典型地属于无监督学习PCA降维也属于无监督学习这三者在选择题里经常互相冒充。朴素贝叶斯的核心是概率统计分类。题干里有时写成“素贝叶斯”要按“朴素贝叶斯”理解。它的判定公式常考 [ H(x)\arg\max P(C_i)\prod P(a_k|C_i) ] 这里的重点是argmax不是max、min或log。argmax要的是“哪个类别让后验概率最大”输出的是类别不是最大概率值本身。公式结构是先验概率乘条件概率连乘再比较各类别得分。实际计算时如果某个条件概率为0连乘会把整个类别得分压成0所以系统复习时要知道“防零概率”的平滑处理期末题若只考公式先抓住argmax、先验、条件概率连乘三件事。下面用资源里的KNN数据集走一遍最小可运行流程# 导入KNN分类器 from sklearn.neighbors import KNeighborsClassifier # 特征值二维特征共10个样本 X [[3, 2], [3, 1], [1, 3], [3, 4], [2, 2], [7, 4], [5, 3], [9, 2], [7, 3], [7, 0]] # 标签0和1两类 y [0, 0, 0, 0, 0, 1, 1, 1, 1, 1] # 实例化模型n_neighbors就是K值 model KNeighborsClassifier(n_neighbors3) # 训练模型 model.fit(X, y) # 预测新样本 pred model.predict([[4, 3]]) print(pred)逻辑说明先导入KNeighborsClassifier再把特征矩阵X和标签向量y传入fit完成训练最后用predict输出新样本类别。参数说明n_neighbors3表示取最近的3个邻居投票X必须是二维结构每个子列表是一个样本的两个特征y长度要和样本数一致。这里最容易忽略的是X的维度单个样本预测也要写成[[4, 3]]不能写成[4, 3]否则库函数会按错误维度解析。2.2 决策树与SVM树结构、划分标准、超平面与核函数决策树的题干常问“原理是什么”。回答要抓住树结构和节点含义决策树是一个类似流程图的树结构分支节点表示对一个特征进行测试根据测试结果把样本分到不同分支叶节点代表一个类别。这个定义看似简单但选择题会围绕“生成算法”和“划分标准”设干扰。资源里出现“决策树生成有几种算法”的题教材口径常列ID3、C4.5、CART三种干扰项会写成“ID4算法”之类。复习时要把算法和划分标准对上ID3常和信息增益关联C4.5常和信息增益率关联CART常和基尼指数关联。这个对应关系比单背“有三种”更抗变体。决策树的重点还包括剪枝和过拟合。树越深、分支越细训练集拟合越好但测试集可能变差剪枝就是控制复杂度的一种手段。多项选择题里“决策树算法的划分标准”可能给出信息增益、基尼指数等选项不能把“训练数据”“分类”混进划分标准。另一类题会问“决策树算法包括哪些”答案应落在ID3、C4.5、CART这些生成算法上而不是落在评估指标上。复习时可以把“树结构解释”“生成算法”“划分标准”“剪枝”四块分开记避免题干换一个问法就找不到落点。SVM的复习要先过“线性可分”这一关。一维空间里分开两个线性可分的点集合只需找一个点二维空间里需要一条分类直线三维空间里需要一个分类平面n维空间里需要找一个超平面。这个逐维递进的描述很适合简答题。线性不可分则是说数据集不能用一个线性分类器直接分开直线、平面或超平面都做不到。此时常用核函数把原空间映射到更高维空间再找分隔超平面。资源里问“SVM常用核函数”教材口径常列线性核、多项式核、高斯核单选题给“高斯核函数”时要能选出来同时要识别“贝叶斯核函数”“网络核函数”“二项式核函数”这类干扰项其中“多项式核”是常见核“二项式核”不是这里的标准说法。把四个分类模型放在一起看选择题的边界会清楚很多模型学习方式核心思想常见判断题易混点KNN有监督最近K个邻居投票KNN属于哪类学习与聚类混淆朴素贝叶斯有监督贝叶斯定理加条件概率连乘判定公式选哪个argmax写成max决策树有监督特征测试分支叶节点给类别生成算法有哪几种ID4、划分标准混淆SVM有监督找分隔超平面核函数处理非线性常用核函数、线性不可分核函数名称干扰2.3 从题干到答案分类题的常见变体与复习落点分类线在期末卷里不会只考定义更常见的是把“模型属性、库函数导入、公式、核函数、算法数量”混在一起。比如“用sklearn K近邻算法需要导入函数库”正确落点是from sklearn.neighbors import KNeighborsClassifier干扰项会写成import numpy as np、import matplotlib.pyplot as plt、from math import sqrt。这些干扰项不是完全无关它们分别是数值计算、绘图、数学函数库复习时要能说出“这个库是干什么的”而不是只记一个正确选项。“K近邻算法是A有监督学习、B无监督学习、C半监督学习、D自主学习”这种题判断依据是训练数据有没有标签。KNN在训练阶段存的是带标签样本预测阶段靠邻居标签投票所以是有监督。朴素贝叶斯同样用带标签样本估计先验和条件概率也归入有监督。决策树和SVM在分类任务里也都是有监督。相反聚类分析通常没有标签PCA降维也不需要标签它们更容易出现在“无监督学习”选项里。把这条线记住遇到“某算法属于哪种学习”就可以先看标签。公式题要特别小心符号。朴素贝叶斯判定公式里argmax是选类别P(C_i)是先验∏P(a_k|C_i)是各特征条件概率的连乘。若选项把argmax换成exp、min、log或者把连乘拆错都是干扰。复习时不要只背字母要能口头解释先算每个类别下的得分再取得分最高的类别。SVM核函数题则要抓住“常用”和“教材口径”。高斯核函数、线性核、多项式核是常考名称“贝叶斯核函数”“网络核函数”不是标准核函数名称。遇到“有几种”的题还要结合题干里的教材口径不能把网络上所有核函数都往里塞。这一章的重点不是把四个模型背成四段孤立的定义而是能用“是否有标签、任务输出是什么、核心判定规则是什么、sklearn怎么导入”四问快速定位。KNN看邻居和K值朴素贝叶斯看概率和argmax决策树看树结构与划分标准SVM看超平面与核函数。把这四问写在一页纸上分类选择题的干扰项就会少很多。3. 回归与无监督线线性回归、聚类与PCA的边界区分3.1 线性回归连续目标、简单与多元、正则化回归的边界线性回归在期末题里常以名词解释、简答和编程题三种形式出现。名词解释要落到“针对一个或多个特征与连续目标变量之间的关系建模”。简单线性回归针对单个特征定义式常写为 [ y\omega_0\omega_1x ] 其中ω0是截距ω1是特征系数x是解释变量y是连续响应值。多元线性回归则把单个特征扩展为多个特征用多个系数共同解释目标变量。这里要和分类分清分类的输出y是离散类别回归的输出y是连续值。题干若问“输入一个数据训练模型推断出它的类别且y必须是离散的”那是分类不是回归。线性回归的编程步骤在资源里给得很清楚导入库函数、导入数据集、建模模型实例化、模型拟合模型训练、预测、模型评价。这个六步流程可以迁移到很多sklearn模型。以简单线性回归为例# 导入线性回归模型 from sklearn.linear_model import LinearRegression # 特征X必须是二维结构每个样本一个子列表 X [[1], [2], [3], [4], [5]] # 连续目标值 y [3, 4, 6, 8, 9] # 实例化线性回归模型 model LinearRegression() # 拟合训练数据 model.fit(X, y) # 预测新样本 pred model.predict([[6]]) print(pred) print(model.coef_, model.intercept_)逻辑说明fit用训练数据估计回归系数和截距predict对新特征输出连续预测值coef_是特征系数intercept_是截距。参数说明X写成[[1], [2], ...]是因为sklearn要求二维特征矩阵如果直接写[1, 2, 3, 4, 5]常见报错就是维度不对。这个点在编程题里很容易翻车复习时要形成条件反射单个特征也要reshape成二维。回归模型的多项选择题还会考“回归模型有哪些”。资源里出现简单线性回归、多元线性回归、弹性回归等说法同时用“最小算子回归”“有限元回归”做干扰。系统梳理时可以把线性回归家族分成普通线性回归和正则化回归岭回归、Lasso最小绝对收缩与选择算子、弹性网络都属于带正则项的回归模型。弹性网络可以理解为结合了L1和L2正则的思路。期末复习不必展开推导但要知道“正规化回归模型”指的是正则化回归不是“正规方程”四个字随便换。题目若把“简单线性回归”放进正则化回归选项里要判断它是不是带正则项普通简单线性回归本身不是正则化模型。回归模型性能评估也要和分类指标分开。回归里常见平均绝对误差MAE、均方误差MSE、均方根误差RMSE、决定系数R²。资源单选题问“回归模型性能评估平均绝对误差”选项里给RMSE、MSE、MAE、R Square正确答案落在MAE。另一题问“均方差”选项里给RMSE、MSE、RMSD、R Square要看清题干用词。均方误差反映估计量与被估计量之间差异程度平方会放大较大误差平均绝对误差用绝对值量纲更直观RMSE是MSE开根号量纲回到原目标变量。复习时把缩写和中文名对上比死记选项更稳。3.2 聚类分析无监督、簇内相似与簇间差异聚类分析的核心定义是按照某个特定标准比如距离准则把一个数据集分割成不同的类或簇使得同一簇内数据对象的相似性尽可能大不同簇之间数据对象的差异性尽可能大。这个定义里有三个关键词无监督、相似性、簇。聚类没有现成标签所以它不叫分类它看的是数据内部结构而不是用标签训练一个分类边界。资源单选题问“聚类分析有几种算法”教材口径可能列三种常见方法这里要提醒一句题目里的“几种”通常是教材列举数量不是算法总数。实际聚类方法很多常见的有划分式、层次式、密度式等思路KMeans是划分式聚类里最常考的代表。KMeans的复习重点包括需要预先指定簇数K、用距离衡量样本到簇中心的远近、反复更新簇中心直到稳定、对初始中心和特征尺度敏感。期末题如果不考代码至少要知道“聚类属于无监督”“簇内相似大、簇间差异大”“KMeans要设K”。如果考代码导入通常是from sklearn.cluster import KMeans实例化时写KMeans(n_clusters2)再fit(X)或fit_predict(X)。这里不要和KNN混KNN的K是邻居数KMeans的K是簇数KNN是有监督分类KMeans是无监督聚类。两个都有K但含义完全不同这是选择题的高频陷阱。聚类和分类的差别还可以用“有没有y”来判断。分类任务有训练标签模型学习从特征到类别的映射聚类任务没有训练标签算法根据样本间相似度自己分组。资源里“分类”名词解释强调把每个数据集的元素x映射到目标类别y且y必须是离散的聚类则没有这个已给出的y。复习时可以把这两个定义并排写分类是“有标签找边界”聚类是“无标签找结构”。这样遇到“KNN是聚类吗”“KMeans是分类吗”就不会被“都有类别”带偏。3.3 PCA降维无监督变换与分类任务的边界PCA降维在选择题里常问“属于哪种学习”。资源明确给出PCA降维是无监督学习。原因不是它不能用于分类前处理而是PCA本身在计算主成分时不需要标签。它做的是线性变换把原始特征投影到方差较大的方向上用较少的主成分保留主要信息。复习时要把“用途”和“学习方式”分开PCA可以辅助分类但PCA算法本身不依赖类别标签所以归入无监督。这个点和“KNN可以用于分类但KNN本身是有监督”一样判断学习方式看训练时用不用标签不看最终任务。PCA的重点还有“降维”与“特征选择”的区别。特征选择是从原特征里挑一部分保留PCA是把原特征线性组合成新的主成分新特征不是原来某一列的直译。期末题若问“PCA降维是什么学习”选无监督若问“PCA的作用”答降维、去相关、压缩特征、保留主要方差。复习时不用把协方差矩阵推导写满但要知道主成分按方差大小排序前几个主成分保留信息多。特征标准化对PCA影响很大因为方差受量纲影响这一点和KNN对距离敏感有相似之处。把回归与无监督线放在一张表里边界更清楚主题学习方式输出典型问题易混点简单线性回归有监督连续值定义式、编程步骤与分类输出混淆多元线性回归有监督连续值多特征建模与正则化回归混淆聚类分析无监督簇编号聚类定义、KMeans与KNN混淆PCA降维无监督主成分PCA属于哪类学习与特征选择混淆这一章的复习落点是“输出类型”和“标签有无”。线性回归输出连续值分类输出离散类别聚类没有标签PCA不需要标签。只要这两条判断稳住题目把“回归”“分类”“聚类”“降维”四个词换位置也能拆开。4. 评估与预处理线训练测试集、欠拟合过拟合、指标与数据清洗4.1 训练集与测试集为什么要分、欠拟合与过拟合怎么判断资源简答题问“为什么要把数据集分成训练集与测试集”。回答的核心是泛化拟合模型时完全依靠训练集数据完成拟合训练集上精度高不代表换一批数据还保持高贴合度测试集用来验证模型在新数据上的表现。单项选择题里“机器学习把数据集分成训练集和测试集”就是这条线。复习时要把训练集、测试集、验证集区分开训练集用于拟合参数测试集用于最终评估验证集常用于调参期末题若不提验证集先把训练集和测试集的分工说清。欠拟合和过拟合是评估线的核心概念。欠拟合指模型在训练数据和预测结果时精确度均不高未能把握核心特征过拟合指模型拟合过度训练集表现很好但换到测试集就变差常见原因是特征选取过多、模型复杂度过高、数据量不足。资源里“解决模型欠拟合的方法”给过增加训练数据量、对模型进行裁剪、增加训练过程迭代次数、正则化等选项标准答案落在增加迭代次数。这里有一个容易踩坑的地方正则化通常用于缓解过拟合不是欠拟合的首选解法。复习时不能把选项背成“欠拟合就正则化”而要看训练误差和测试误差的对照。状态训练误差测试误差常见原因处理方向欠拟合高高模型太简单、特征不足、迭代不足增加模型复杂度、补有效特征、增加迭代过拟合低高模型太复杂、特征过多、数据太少正则化、剪枝、增加数据、简化模型合适拟合低低且接近训练复杂度与数据匹配保持并验证稳定性这张表要会自己画。题干若说“模型精确度均不高未能把握核心特征”那是欠拟合若说“训练集精度高测试集精度低”那是过拟合。两者处理方向相反不能混。资源名词解释里“欠拟合”定义已经点出“训练数据和预测结果时模型精确度均不高”这比只背“欠拟合就是没学好”更准确。过拟合的定义则要补上“训练集表现好、泛化差”这一层虽然资源里强调“拟合过度、特征值选取过多”复习时要能扩展。4.2 性能评估指标准确率、查准率、查全率与回归误差分类任务的评估指标要和回归任务分开。资源名词解释里“性能评估”列出准确率、查准率、查全率、综合评价指标“分类准确度”定义是分类正确的样本占总样本的比例 [ Accuracy\frac{n_{correct}}{n_{total}} ] 查准率关注“预测为正的样本里有多少真的是正”查全率关注“真实为正的样本里有多少被找出来”。两者会拉扯所以有F1这类综合评价指标。期末选择题若问“机器学习性能评估是对什么进行评估”资源给的是查准率和查全率这提醒我们性能评估不只是准确率一个词。复习时至少能说出准确率看整体正确比例查准率看预测正例的纯度查全率看正例的覆盖程度。回归任务的指标则是MAE、MSE、RMSE、R²。平均绝对误差MAE是预测值与真实值差绝对值的平均均方误差MSE是差平方的平均RMSE是MSE开根号R²看模型对目标变量变异的解释程度。资源单选题里“平均绝对误差”对应MAE“均方差”对应RMSE或MSE要看题干具体表述不能只看“均”字就选。均方误差的名词解释是“反映估计量与被估计量之间差异程度的一种度量”这个定义比较宽但选择题要落到具体缩写。下面用几行代码把分类指标和回归指标的计算路径分开# 分类指标准确率、查准率、查全率 from sklearn.metrics import accuracy_score, precision_score, recall_score y_true [0, 1, 1, 0, 1] y_pred [0, 1, 0, 0, 1] print(accuracy_score(y_true, y_pred)) print(precision_score(y_true, y_pred)) print(recall_score(y_true, y_pred)) # 回归指标MAE、MSE、RMSE from sklearn.metrics import mean_absolute_error, mean_squared_error import numpy as np y_reg_true [3, 4, 6, 8, 9] y_reg_pred [2.8, 4.2, 5.9, 8.1, 9.2] print(mean_absolute_error(y_reg_true, y_reg_pred)) print(mean_squared_error(y_reg_true, y_reg_pred)) print(np.sqrt(mean_squared_error(y_reg_true, y_reg_pred)))逻辑说明分类指标接收真实标签和预测标签回归指标接收真实连续值和预测连续值mean_squared_error输出MSE再开根号得到RMSE。参数说明y_true、y_pred长度要一致分类标签可以是0/1回归目标必须是连续数值。复习时不要只记函数名要能说出指标含义否则题干换个中文名就容易选错。4.3 数据清洗缺失值、离群值、噪声与不一致性数据清洗是多项选择题的高频点。资源里“数据清洗包括”给出缺失值处理、离群值检查等干扰项有训练数据、分类。数据清洗的定义是通过填补缺失值、光滑噪声数据、平滑或删除离群点、解决数据的不一致性来清理数据。复习时可以把数据清洗拆成四件事缺失值处理、离群值检查、噪声平滑、不一致性处理。训练数据划分不属于清洗分类也不属于清洗这两个词很容易因为出现在机器学习流程里被误选。缺失值处理要区分删除和填补。样本缺失比例很高时可以删除少量缺失可以用均值、中位数、众数或模型预测填补。离群值检查要看业务和分布不能一律删除离群值可能是噪声也可能是重要异常。噪声平滑常用分箱、回归、聚类等思路。不一致性包括单位不一致、编码不一致、重复记录等。期末题如果只考多选先抓住“缺失值处理”和“离群值检查”这两个确定项再把“训练数据”“分类”排除。提示数据清洗不要和特征工程混为一谈。清洗解决“脏”和“不一致”特征工程解决“怎么构造更有表达力的特征”。期末选择题里两者可能同时出现判断时看动作是修补数据还是生成新特征。这一章的复习落点是“流程位置”。训练集测试集解决评估可信度欠拟合过拟合解决模型状态判断指标解决怎么量化好坏数据清洗解决输入质量。四块连起来就是一条完整的评估线先分数据再看拟合状态再选指标再回头检查数据质量。期末题常把其中两个点拼在一道题里比如“模型训练集精度高、测试集精度低应该正则化还是增加迭代”只要能画出训练误差和测试误差的对照表就不容易被选项带走。5. 易错点排查五个最容易翻车的复习盲区5.1 概念类易错正则化、学习方式与教材口径易漏点一把正则化当成欠拟合的通用解法。为什么漏复习时容易把“解决模型问题”都归到正则化看到欠拟合、过拟合都想到正则项资源单选题里“解决欠拟合的方法”确实出现了正则化选项但标准答案落在增加训练过程迭代次数。正则化的作用是约束模型复杂度主要缓解过拟合欠拟合是模型太简单或迭代不足处理方向是增加模型表达力、补有效特征、增加迭代。怎么补做一张训练误差与测试误差对照表先判断状态再选手段。训练误差高、测试误差也高优先想欠拟合训练误差低、测试误差高优先想过拟合和正则化。考试时不要看到“正则化”三个字就选要把它放回状态判断里。易漏点二把KNN、聚类、PCA的学习方式混在一起。为什么漏KNN和KMeans都带K聚类和分类都输出类别PCA又能辅助分类这几个词在题干里经常交叉。KNN用带标签样本投票是有监督分类KMeans没有标签是无监督聚类PCA不需要标签是无监督降维。怎么补判断学习方式只看训练时用不用标签不看最终任务是不是分类。可以写一句口令“有y是监督无y是无监督KNN看邻居标签KMeans看簇中心PCA看主成分方差。”遇到“PCA降维是什么学习”“KNN是什么学习”“聚类是什么学习”三连问先找标签再找输出。易漏点三把教材口径的“几种”当成算法总数或者把干扰项当成标准名称。为什么漏期末题喜欢问“聚类分析有几种算法”“决策树生成有几种算法”“SVM常用核函数有几种”这些“几种”往往对应教材列举数量。复习时如果只背数字遇到选项变化就慌如果只按网络知识扩展又可能和教材口径冲突。决策树生成算法常列ID3、C4.5、CART干扰项会写ID4SVM常用核函数常列线性核、多项式核、高斯核干扰项会写贝叶斯核、网络核。怎么补准备两层笔记一层写“教材列举”一层写“真实名称和用途”。做题时先看题干是不是教材口径再看选项名称是否标准。数字可以背但名称对应关系更要背。5.2 流程与代码类易漏维度、导入与指标混用易漏点四sklearn线性回归和KNN的输入维度写错。为什么漏平时看公式时X[1,2,3,4,5]很自然但sklearn要求特征矩阵是二维的每个样本一行、每个特征一列。线性回归把一维列表直接传给fit常见报错就是维度不匹配KNN预测单个样本时写成[4,3]也会被当成错误结构。怎么补形成固定写法单特征写成[[1],[2],[3]]单样本预测写成[[4,3]]。如果手上只有一维列表可以用reshape(-1,1)转成二维。复习编程题时不要只看步骤要亲手把X和y的形状写出来确认样本数和标签数一致。易漏点五评估指标混用看到“均方”就选错。为什么漏MAE、MSE、RMSE、R²四个缩写长得很像中文名又都有“误差”或“方”分类的准确率、查准率、查全率也容易和回归指标混在一起。资源单选题里“平均绝对误差”对应MAE“均方差”可能对应RMSE或MSE题干用词差一个字选项就变。怎么补按任务分栏。分类栏写准确率、查准率、查全率、F1回归栏写MAE、MSE、RMSE、R²。每个缩写旁边写一句中文解释和是否开根号。做题时先判断任务是分类还是回归再在对应栏里找指标不要跨栏选。这一章的五个点看起来分散其实都指向同一个复习动作把“状态判断、标签判断、教材口径、输入维度、任务类型”做成检查项。易错点不是靠多刷几道题就能自动消失的需要每次做题时把判断依据写出来。比如看到“欠拟合”先写训练误差和测试误差看到“KNN”先写有监督和带标签看到“核函数”先写线性、多项式、高斯看到“线性回归fit”先检查X是不是二维看到“MAE”先确认任务是回归。这样复盘一轮比单纯对答案更有用。6. 考前一周复习清单按题型查漏补缺的路线6.1 按题型回看单选抓公式多选抓边界简答抓结构考前一周不建议再从第一页平均用力按题型回看更稳。单选题抓“唯一落点”朴素贝叶斯公式的argmax、KNN的导入函数、线性回归的导入函数、SVM常用核函数、MAE对应哪个缩写、决策树生成算法数量。多选题抓“概念边界”数据清洗包括什么、决策树算法包括什么、回归模型包括什么、神经网络能完成哪些任务、Python机器学习库有哪些。名词解释抓“定义加关键词”欠拟合写“训练和预测精度都不高、未把握核心特征”过拟合写“拟合过度、训练好测试差、特征过多”线性回归写“特征与连续目标变量关系建模”分类写“x映射到离散y”聚类写“簇内相似大、簇间差异大”。简答题抓“结构”决策树写树结构、分支节点、叶节点朴素贝叶斯写贝叶斯定理、各类别概率、取最大SVM线性可分写一维点、二维线、三维面、n维超平面训练测试集写泛化验证。题型回看重点自查动作单选公式、导入库、指标缩写遮住选项说出判断依据多选算法家族、数据清洗、任务类型每个选项写一句为什么选或不选名词解释定义加关键词30字内说清不堆废话简答原理加步骤先写结构再补细节编程导入、实例化、fit、predict、评价检查X是否二维、y长度是否一致6.2 错题归因把“错了”改成“下次怎么查”错题不要只标正确答案要归成三类概念混淆、库函数与维度、指标混用。概念混淆的题回到“有标签还是无标签、输出连续还是离散、训练误差和测试误差谁高”三问库函数与维度的题回到“导入语句、X形状、fit和predict参数”三查指标混用的题回到“分类栏还是回归栏、缩写对应中文名”两栏。每道错题旁边写一句“下次先看什么”比如“下次先看有没有y”“下次先检查X是不是二维”“下次先看任务是分类还是回归”。这比抄一遍答案更能防止同类型再错。从那以后我每次做机器学习题都强制先写“学习方式、任务类型、评估指标”三栏再选答案编程题则先检查X的维度和y的长度再谈模型效果。这个习惯不花哨但能挡住大部分低级翻车。希望帮到你。需要这份按题型整理的机器学习期末复习题及答案可以从资料页取用。本文还有配套的精品资源点击获取