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2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3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4题
对于下面的一段python程序,下面的说法正确的是 import numpy as np predicted=np.array([11.2, 2.5, 7.9, 7.2]) label=np.array([1, 0, 0, 0]) def softmax(x): return np.exp(x)/np.sum(np.exp(x),axis=0) print (softmax(predicted)) loss=-np.sum(label*np.log(softmax(predicted)))
A.最后一行是计算predicted和label之间的互信息
B.最后一行是计算predicted和label之间的JS散度
C.最后一行是计算predicted和label之间的条件熵
D.最后一行是计算predicted和label之间的交叉熵
点击查看答案
第5题
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() from sklearn.preprocessing import Normalizer print (Normalizer(norm='l1'). (iris.data))
A.fit
B.fit_transform
C.transform
D.normalizer
点击查看答案
第6题
下面的一段python程序是计算并输出y_true和y_pred之间的平均绝对误差,即MAE,则其中print语句的输出结果为 (要求:用小数表示,且保留小数点后两位)。 from sklearn.metrics import mean_absolute_error y_true = [3, -0.5, 2, 7] y_pred = [2.5, 0.0, 2, 9] print (mean_absolute_error(y_true, y_pred))
点击查看答案
第7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,请补全导入的模块名称(用小写字母) from sklearn import cross_validation from sklearn import from sklearn import datasets 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).fit(X_train, y_train)
点击查看答案
第8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9题
编写如图所示应用程序,单击选择菜单项退出后,显示下面的请选择对话框,选择是结束程序,选择否显示下面的消息对话框。
点击查看答案