更多“下面的一段python程序的目的是对样本特征矩阵进行归一化处理,则空格处应该填充的函数是? from sklearn import datasets iris = datasets.load_iris…”相关的问题
第1题
下面的一段python程序是使用支持向量机在iris数据集上进行训练的例子,且该程序已经导入了必要的模块(用省略号表示)。则程序中空格处应该填充的拟合函数是: …… iris = datasets.load_iris() X_train, X_test, y_train, y_test = cross_validation.train_test_split (iris.data, iris.target, test_size=0.2 ) clf = svm.SVC(kernel='linear', C=1). (X_train, y_train)
点击查看答案
第2题
已知某多元函数连续且存在连续的二阶偏导数,则下面哪个条件成立时函数在点X0处取得极值?
A.函数在点X0处的Hesse矩阵正定或负定
B.函数在点X0处的Hesse矩阵是不定矩阵
C.函数在点X0处对所有变量的一阶偏导数都为0
D.函数在点X0处对所有变量的一阶偏导数都不为0
点击查看答案
第3题
下面的一段python程序是使用scikit-learn来构建线性回归模型,其中最后一条语句的目的是得到X_test的预测结果,则空格内应该填入的函数为 from sklearn.linear_model import LinearRegression X = [[6, 2], [8, 1], [10, 0], [14, 2], [18, 0]] y = [[7], [9], [13], [17.5], [18]] model = LinearRegression() model.fit(X, y) X_test = [[8, 2], [9, 0], [11, 2], [16, 2], [12, 0]] y_test = [[11], [8.5], [15], [18], [11]] predictions = model. (X_test)
A.predict
B.get
C.pred
D.learn
点击查看答案
第4题
下面的一段python程序的目的是利用皮尔逊相关系数进行iris数据集特征选择 import numpy as np from scipy.stats import pearsonr from sklearn import datasets iris = datasets.load_iris() print ("Pearson's correlation coefficient between column #1 and target column", pearsonr(iris.data[:,0], iris.target )) print ("Pearson's correlation coefficient between column #2 and target column", pearsonr(iris.data[:,1], iris.target )) print ("Pearson's correlation coefficient between column #3 a
点击查看答案
第5题
C语言的程序一行写不下时,应该()。
A.用回车符换行
B.在任意一个空格处换行
C.用分号换行
D.用逗号换行
点击查看答案
第6题
关于函数,以下选项中描述错误的是
A.使用函数的主要目的是降低编程难度和代码重用
B.Python使用del保留字定义一个函数
C.函数是一段具有特定功能的、可重用的语句组
D.函数能完成特定的功能,对函数的使用不需要了解函数内部实现原理,只要了解函数的输入输出方式即可。
点击查看答案
第7题
关于函数的描述,错误的选项是
A.Python使用del保留字定义一个函数
B.函数能完成特定的功能,对函数的使用不需要了解函数内部实现原理,只要了解函数的输入输出方式即可
C.函数是一段具有特定功能的、可重用的语句组
D.使用函数的主要目的是减低编程难度和代码重用
点击查看答案
第8题
在Python中应该注意数字和运算符之间的空格,例如:表达式5+6 + 3是不合法的,只有5+6+3是合法的。
点击查看答案
第9题
在最大似然估计中,也可以用总体分布函数在样本观察值处的函数值的乘积作为样本似然函数.
点击查看答案
第10题
对于给定的下面的一段python程序及其输出,下面的说法正确的是 import numpy as np a=np.asarray([0.5,0.5]) #假设a为实际分布 b=np.array([0.25,0.75]) c=np.array([0.125,0.875]) kl1=np.sum(a*np.log(a/b)) print ("b,a",kl1) kl2=np.sum(a*np.log(a/c)) print ("c,a",kl2) 其输出结果为 b,a 0.143841036226 c,a 0.413339286592
A.程序的输出是计算了条件熵
B.程序的输出是计算了互信息
C.b和c相比,更接近实际分布a
D.c和b相比,更接近实际分布a
点击查看答案