考研專業課大綱對備考具有重要價值。大綱可以幫助考生了解考試的整體結構和考查重點，在備考過程中起到明確方向的作用。大綱所列出的考試范圍和知識要點，可以幫助考生建立知識體系，明確重難點，有針對性地進行備考。同時，弄清大綱要求可以讓考生事先了解復習的時間分配和備考要求，避免在備考過程中盲目浪費時間和精力。以下是山東大學2024年碩士研究生招生考試《805-機器學習》考試大綱具體內容，報考該校計算機專業相關方向的考生可以根據考試大綱備考。

山東大學碩士研究生招生考試初試科目考試大綱

805-機器學習

一、考試基本要求

要求考生系統地理解機器學習的基本概念，理解和掌握各種機器學習的理論和方法，并具有綜合運用所學知識進行分析問題和解決問題的能力。

二、考試范圍和主要內容

1．緒論

機器學習的基本概念。

2．模型評估與選擇

經驗誤差與過擬合、評估方法、性能度量、比較檢驗、偏差與方差等。

3．線性模型

線性回歸、對數幾率回歸、線性判別分析、多分類學習、類別不平衡問題、基于梯度的優化方法等。

4．決策樹

決策樹基本流程、劃分選擇、剪枝處理、連續與缺失值、多變量決策樹等。

5．神經網絡

神經元模型、感知機與多層網絡、誤差逆傳播算法、全局最小與局部極小、 其他常見神經網絡、深度學習等。

6．支持向量機

間隔與支持向量、對偶問題、核函數、軟間隔與正則化、支持向量回歸、 核方法等。

7．貝葉斯分類

貝葉斯決策論、參數化估計方法、非參數化估計方法、樸素貝葉斯分類器、半樸素貝葉斯分類器、 貝葉斯網、EM算法等。

8．集成學習

個體與集成、Boosting、Bagging、隨機森林、結合策略、多樣性等。

9．聚類

聚類任務、性能度量、距離計算、原型聚類、密度聚類、層次聚類等。

10．降維與度量學習

k近鄰學習、低維嵌入、主成分分析、核化線性降維、流形學習、度量學習等。

原文鏈接：https://www.yz.sdu.edu.cn/info/1024/5678.htm