1. 前言

还是学的不扎实啊，如果有什么问题欢迎留言。解析有可能不对，因为是我自己推的（捂脸）。

2. 习题1（卷积与池化）

输入图片大小为200×200，依次经过一层卷积（kernel size 5×5，padding 1，stride 2），pooling（kernel size 3×3，padding 0，stride 1），又一层卷积（kernel size 3×3，padding 1，stride 1）之后，输出特征图大小为：

A. 95

B. 96

C. 97

D. 98

E. 99

F. 100

正确答案：C （个人算后是C，参考答案后期修正为C了。） 解析： 首先我们应该知道卷积或者池化后大小的计算公式：

outputw=⌊imagew+2padding−kernelsizestride⌋+1 outputh=⌊imageh+2padding−kernelsizestride⌋+1

其中，padding指的是向外扩展的边缘大小，而stride则是步长，即每次移动的长度。

这样一来就容易多了，首先长宽一般大，所以我们只需要计算一个维度即可，这样，经过第一次卷积后的大小为:

200+2−52+1=99 经过第一次池化后的大小为： 99+0−31+1=97 经过第二次卷积后的大小为： 97+2−31+1=97

最终的结果为97。

3. 习题2（SPSS基础）

在spss的基础分析模块中，作用是“以行列表的形式揭示数据之间的关系”的是（ ）

A. 数据描述

B. 相关

C. 交叉表

D. 多重相应

正确答案：C

4. 习题3（分类问题）

一监狱人脸识别准入系统用来识别待进入人员的身份，此系统一共包括识别4种不同的人员：狱警，小偷，送餐员，其他。下面哪种学习方法最适合此种应用需求：（）。

A. 二分类问题

B. 多分类问题

C. 层次聚类问题

D. k-中心点聚类问题

E. 回归问题

F. 结构分析问题

正确答案：B

解析： 二分类：每个分类器只能把样本分为两类。监狱里的样本分别为狱警、小偷、送餐员、其他。二分类肯 定行不通。瓦普尼克95年提出来基础的支持向量机就是个二分类的分类器，这个分类器学习过 程就是解一个基于正负二分类推导而来的一个最优规划问题（对偶问题），要解决多分类问题 就要用决策树把二分类的分类器级联，VC维的概念就是说的这事的复杂度。

层次聚类： 创建一个层次等级以分解给定的数据集。监狱里的对象分别是狱警、小偷、送餐员、或者其 他，他们等级应该是平等的，所以不行。此方法分为自上而下（分解）和自下而上（合并）两种操作方式。

K-中心点聚类：挑选实际对象来代表簇，每个簇使用一个代表对象。它是围绕中心点划分的一种规则，所以这里并不合适。

回归分析：处理变量之间具有相关性的一种统计方法，这里的狱警、小偷、送餐员、其他之间并没有什 么直接关系。

结构分析： 结构分析法是在统计分组的基础上，计算各组成部分所占比重，进而分析某一总体现象的内部结构特征、总体的性质、总体内部结构依时间推移而表现出的变化规律性的统计方法。结构分析法的基本表现形式，就是计算结构指标。这里也行不通。

多分类问题： 针对不同的属性训练几个不同的弱分类器，然后将它们集成为一个强分类器。这里狱警、 小偷、送餐员 以及他某某，分别根据他们的特点设定依据，然后进行区分识别。

5. 习题4（logit和svm）

关于 logit 回归和 SVM 不正确的是（）

A.Logit回归目标函数是最小化后验概率

B. Logit回归可以用于预测事件发生概率的大小

C. SVM目标是结构风险最小化

D.SVM可以有效避免模型过拟合

正确答案： A

解析：

A. Logit回归本质上是一种根据样本对权值进行极大似然估计的方法，而后验概率正比于先验概率和似然函数的乘积。logit仅仅是最大化似然函数，并没有最大化后验概率，更谈不上最小化后验概率。而最小化后验概率是朴素贝叶斯算法要做的。A错误

B. Logit回归的输出就是样本属于正类别的几率，可以计算出概率，正确

C. SVM的目标是找到使得训练数据尽可能分开且分类间隔最大的超平面，应该属于结构风险最小化。

D. SVM可以通过正则化系数控制模型的复杂度，避免过拟合。

6. 习题5(SVM)

有两个样本点，第一个点为正样本,它的特征向量是(0,-1);第二个点为负样本,它的特征向量是(2,3),从这两个样本点组成的训练集构建一个线性SVM分类器的分类面方程是()

A. 2x+y=4

B. x+2y=5

C. x+2y=3

D. 2x-y=0

正确答案：C

解析：这道题简化了，对于两个点来说，最大间隔就是垂直平分线，因此求出垂直平分线即可。

7.小结

在这一章中，我们主要复习了卷积与池化的计算方法，SPSS基础，分类问题，SVM与Logit模型等。其中也存在着一些问题，欢迎大家指正批评。

刘炫320 认证博客专家 博客专家 内容合伙人 首页内容推荐官 计算机科学与技术专业博士，主要研究方向为人工智能、自然语言处理、篇章分析。曾与微软小冰、微软小娜共同工作。兴趣广泛，包括并不限于人工智能，心理学，认知科学，语言学，数学，天文学等。让我们一起和AI，改进世界！