新南威尔士大学COMP9418统计机器学习考前有什么重点要看？

　　新南威尔士大学COMP9418统计机器学习这门课主要研究了一类称为概率图形模型(PGM)的推理模型。考试内容就是围绕这类模型展开的，包括贝叶斯网络、马尔可夫网络、马尔可夫链和马尔可夫决策过程等。考试还涉及用于学习参数和进行推理的算法，例如蒙特卡罗马尔可夫链 (MCMC)、Gibbs Sampling、Viterbi和Baum-Welch算法等。

　　我们总结了考试重点，同学可以着重复习：

　　1、从概率模型的给定图形表示中推导出统计独立性假设;

　　2、理解并实施图形模型中的精确推理方法，包括变量消除和连接树算法;

　　3、为潜在变量概率模型推导和实施最大似然学习方法;

　　4、理解并在图形模型中实现近似推理算法，包括采样和循环置信度传播;

　　5、理解并应用结构化预测的基本方法。

　　只要同学对上述内容理解得足够深入，通过考试应该没有什么问题。距离考试还有一段时间，如果同学需要老师系统地进行考前辅导，可以联系我们的澳洲课程辅导老师。