更多“对于下面的一段python程序,下面的说法错误的是 import numpy as np p=np.asarray([0.65,0.25,0.07,0.03]) q=np.array([0.6,0.2…”相关的问题
第1题
对于下面的一段python程序,下面的说法错误的是 import numpy as np p=np.asarray([0.65,0.25,0.07,0.03]) q=np.array([0.6,0.25,0.1,0.05]) kl1=np.sum(p*np.log(p/q)) kl2=np.sum(q*np.log(q/p))
A.程序最后两行的计算结果是相等的
B.程序最后两行的计算结果是不相等的
C.程序最后两行的的目的是计算相对熵,其是交叉熵与信息熵的差值
D.程序的目的是计算相对熵,其不具备对称性
点击查看答案
第2题
对于下面的一段python程序,计算的是向量之间的 import numpy as np x=np.random.random(5) y=np.random.random(5) sim=np.dot(x,y)/(np.linalg.norm(x)*np.linalg.norm(y))
A.欧氏距离
B.余弦相似度
C.欧式相似度
D.马修相关系数
点击查看答案
第3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
第4题
对于下面的一段python程序,sim中保存的是向量之间的: import numpy as np x=np.random.random(5) y=np.random.random(5) from scipy.spatial.distance import pdist X=np.vstack([x,y]) sim=1-pdist(X,'cosine')
A.欧氏距离
B.余弦相似度
C.余弦距离
D.马修相关系数
点击查看答案
第5题
对于下面的一段python程序,其目的是生成X_train的二次多项式特征,则空格内应该填入的内容为? from sklearn.preprocessing import PolynomialFeatures X_train = [[3], [4], [5]] quadratic_featurizer = PolynomialFeatures() X_train_quadratic = quadratic_featurizer.fit_transform(X_train) print (X_train_quadratic)
A.degree=1
B.degree=2
C.poly=2
D.poly=1
点击查看答案
第6题
对于下面的一段python程序,下面的说法正确的是 import numpy as np import scipy.stats p=np.asarray([0.65,0.25,0.07,0.03]) q=np.array([0.6,0.25,0.1,0.05]) M=(p+q)/2 result=0.5*scipy.stats.entropy(p, M)+0.5*scipy.stats.entropy(q, M)
A.最后一行是计算p和q之间的KL散度
B.最后一行是计算p和q之间的JS散度
C.最后一行是计算p和q之间的条件熵
D.最后一行是计算p和q之间的交叉熵
点击查看答案
第7题
对于下面的一段python程序,下面的说法正确的是 import numpy as np import scipy.stats p=np.asarray([0.65,0.25,0.07,0.03]) q=np.array([0.6,0.25,0.1,0.05]) M=(p+q)/2 result=0.5*scipy.stats.entropy(p, M)+0.5*scipy.stats.entropy(q, M)
A.最后一行是计算p和q之间的KL散度
B.最后一行是计算p和q之间的JS散度
C.最后一行是计算p和q之间的条件熵
D.最后一行是计算p和q之间的交叉熵
点击查看答案