更多“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 PolynomialFeat…”相关的问题
第1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2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3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4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5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
对于给定的下面的一段python程序,则程序最后,result中保存的是? from math import log def calcShannonEnt(dataSet): length,dataDict=float(len(dataSet)),{} for data in dataSet: try:dataDict[data]+=1 except:dataDict[data]=1 return sum([-d/length*log(d/length) for d in list(dataDict.values())]) Ent_x1=calcShannonEnt(['3', '4', '5', '5', '3', '2', '2', '6', '6', '1']) Ent_x2=calcShannonEnt(['7', '2', '1', '3', '2', '8', '9', '1', '2', '0']) Ent_x1x2=calcShannonEnt(['37', '42',
点击查看答案
第8题
对循环码,下列哪种说法是错误的?
A.设发送的循环码的码字为T(x),则T(x)可以被生成多项式g(x)整除;
B.设接收的循环码的码字为R(x),则R(x)可以被生成多项式g(x)整除;
C.设发送的循环码的码字为T(x),则T(x)不能被生成多项式g(x)整除;
D.设接收的循环码的码字为R(x),则R(x)不能被生成多项式g(x)整除;
点击查看答案