选择题（18分）

召回率、精度、SVM、Logistic回归
（1）回归与分类的区别
（2）回归过拟合的条件
（3）共轭分布（beta）有什么用
（4）L1损失的来源出处
（5）联合分布表示为条件分布相乘的全连接图中出现无连接的原因
（6）SVM的优化目标

简答题（50分）

（1）简述k-means参数设置步骤以及参数k如何选取。
（2）简述模式识别的概念和意义。
（3）简述模式识别预处理内容。
（4）简述最大似然估计与贝叶斯估计的差异。
（5）简述SVM的基本思想。
（6）神经网络训练时是否可以将所有的参数初始化为0，为什么。
（7）Sigmoid作为激励函数有什么优缺点。
（8）简述k近邻分类邻方法。
（9）深度神经网络快速发展时，技术突破有哪些？（至少四个）
（10）简述隐马尔可夫模型三个核心问题。

计算题（32分）

（1）神经网络相关（例如3层网络推导）。
（2）PCA相关。
（3）贝叶斯决策。

由于资料较大，具体内容请查看链接模式识别