（含图）

问题：

（1）计算查准率（需要写出计算过程和结果）；

（2）计算查全率（需要写出计算过程和结果）；

（3）计算F1指标。【以上结果保留小数位4位】

（含图）

问题：

（1）计算查准率（需要写出计算过程和结果）；

（2）计算查全率（需要写出计算过程和结果）；

（3）计算F1指标。【以上结果保留小数位4位】

问题：

（1）根据权值w写出线性判别函数。

（2）预测上述3个样本的类别（需要写出计算过程）。

问题：

（1）写出三个线性分界面的方程；

（2）判断测试样本(-2,2)的分类预测结果（需要写出计算过程和结果）。

（含图）

问题：

（1）计算每个属性（季节、时间已过8点、风力）对应的信息增益值（需要写出计算过程）。

（2）第一个节点选用哪一个属性是最佳的？

【提示】：log2(0)=0, log2(2)=1, log2(3)=1.59, log2(5)=2.32,  log2(6)=2.58, log2(7)=2.81

（含图）

下表是随机抽了一年中12天小明的睡懒觉情况，现采用CART算法构建1棵决策树，节点选择时用Gini指数衡量最佳属性及其取值。

（含图）

问题：已经对属性“季节”计算的Gini指数如下：

          Gini(D, 季节=春季)=0.43, Gini(D, 季节=夏季)=0.37, Gini(D, 季节=秋季)=0.43,  Gini(D, 季节=冬季)=0.29 

（1）计算时间已过8点和风力两个属性不同取值对应的Gini指数（需要写出计算过程）。

（2）第一个节点选用哪一个属性取值是最佳的？

【提示】：

（含图）

（含图）

问题：输入样本（含图）后，

（1）分别计算隐含层的输出值（需要写出计算过程）；

（2）分别计算输出层z的值。

（含图）

问题：输入样本（含图）后，

（1）分别计算隐含层的输出值（需要写出计算过程）；

（2）分别计算输出层z的值。

    第一类支持向量：（含图）

    第二类支持向量：（含图）

对应的拉格朗日系数分别为：（含图）

问题：

（1）计算权值矢量（含图）；【提示：（含图）】

（2）计算偏置（含图）;【提示：任选一个支持向量，（含图）】

（3）写出线性判别函数。

问题：

（1）计算以下三个样本（含图）判别值和分类结果（需要写出计算过程）。

（2）分析哪些样本落在支持面上，以及哪些样本落在分界面和支持面之间。

问题：采用最大后验概率判断此人是否患病？

要求：

（1）写出计算过程；

（2）判断此人是患者还是正常人？

（含图）

为了简化问题求解，在此假设体重≥170为超重，小于170为正常体重。现有1人关于胸口疼痛、血管堵塞和体重数据如下：

{胸口疼痛=no，血管堵塞=no，体重=230}。

提示：（含图）

问题：

（1）按照朴素贝叶斯方法分别计算该人患心脏病和不患心脏病的概率。

（2）预测该人是否患有心脏病？

（含图）

经“胸口疼痛”、“血管堵塞”和“体重>176”三个特征值对应的Gini指数分析后，选用“体重>176”创建了第一棵树。

问题：

（1）创建第一棵树时，每个样本的初始权重是多少？

（2）假设该树总误差为αt，下一步如何调整错误样本和正确样本的权重？【写出计算公式即可】

（1）写出预测的过程或依据。

（2）集成学习器H(x)预测的结果是什么？

提示：（含图）

A1(2,10), A2(2,5), B1(5,8), B2(7,5)

用KMeans算法给出：

（1）写出第一次迭代执行后2个簇样本集合和簇中心；

（2）写出第二次迭代执行后2个簇样本集合和簇中心。

要求：写出计算过程和结果。

提示：（含图）

（1）写出层次聚类相关的计算过程；

（2）写出对应过程的聚类结果。

【提示】全连接法：（含图）。