第 1 页 共 16 页 1、 线性判别函数的正负和数值大小的几何意义 正（负）表示样本点位于判别界面法向量指向的正（负）半空间中；绝对值正比于样本点到判别界面的距离
2、 感知器算法特点 收敛性：经过算法的有限次迭代运算后，求出了一个使所有样本都能正确分类的 W，则称算法是收敛的
感知器算法是在模式类别线性可分条件下才是收敛的
感知器算法只对线性可分样本有收敛的解，对非线性可分样本集会造成训练过程的震荡，这也是它的缺点
3、 聂曼-皮尔逊判决准则、最小最大判决准则等区别 聂曼-皮尔逊判决准则主要用于某一种判决错误较另一种判决错误更为重要情况； 最小最大判别准则主要用于先验概率未知的情况
4、 马式距离较之于欧式距离的优点 优点：马氏距离不受量纲的影响，两点之间的马氏距离与原始数据的测量单位无关
由标准化数据和中心化数据(即原始数据与均值之差）计 算出的二 点之间的马氏距离相 同
马氏距离还可以 排 除 变 量之间的相 关性的干 扰
缺点：夸 大了变 化微 小的变 量的作 用
受协 方 差矩 阵 不稳定 的影响，马氏距离并 不总 是能顺 利 计 算出
尺 度 不变 性；考 虑 了模式的分布 5、 关联 规 则的经典 算法有哪 些 Apriori 算法；FP-tree；基 于划 分的算法 Apriori 算法、GRI 算法、Carma 6、 分类的过程或 步 骤 答 案 一：ppt 上 的 1、模型 构 建 （归 纳 ） 通 过对训练集合 的归 纳 ，建 立 分类模型
2、预 测应 用（推 论 ） 根 据建 立 的分类模型 ，对测试 集合 进 行 测试
答 案 二 ：老 师 版 本的 训练样本的收集 训练集的预 处 理 、模型 的选 择 、模型 的训练（问 老 师 后理 解整 理 ） 7、 分类评 价 标准 第 2 页 共 16 页 1）正确率（accu
