A.频繁模式挖掘 B. 分类和预测 C.数据预处理 D.数据流挖掘
A. np.range(3,3) B. np.zeros(3) C.np.eye(3) D.np.eye(3,2)
A.循环神经网络 B.感知机 C. 多层感知机 D.卷积神经网络
A.ndim表示数组的维数 B. shape表示数组的尺寸 C.size表示数组的尺寸 D.dtype表示数组中元素的类型
Ist= [2,3,3,4,6,1,3,5,3,2,4]
A. Ist.remove(3) B. for i in Ist: ifi== 3: lst.remove(i) C. Ist= [iforiinlstifi!= 3] D. list(set(st))
for iin range(2,5): print(i,end=",")
A.1,2,3, B. 2,3,4, C.1,2,3,4, D. 1,2,3,4,5,
A.算法比较简单 B.对小规模的数据表现很好,能够处理多分类任务,适合增量式训练 C.对输入数据的表达形 式很敏感 D.朴素贝叶斯模型发源于古典数学理论,有稳定的分类效率
def f(): pass print(type(f())
A. <class 'function'> B. <class 'tuple'> C. <class 'NoneType'> D. <class 'str'>
A. Python中for语句只有一 种写法: for..in.. B. for语句可以用break终 止当前循环,重新进入循环的下一次迭代 C. continue语句可以跳过循环的当前一步 D. for语句可以有else部分
A.可疑的语法警告 传入无效的参数 C.语法错误 D.缩进错误
A. np.linspace(0,1,12) B. np.random(0,1,12) C. np.linspace(0,12,1) D. np.randint(0,12,1)
A.list B.tuple C. set D.dict
A. print('hello world') B. abs(-1) C. print(1) D.print(math.pi)
A.print(example[2]) B.echo(example[2]) C.print(example[1]) D.print(example(1))
A.平均绝对误差 B.精确度 C.均方误差 D.中值绝对误差
A.数据清洗 B.数据集成 C.数据规约 D.数据变换
A.array B.ndarray C.ufunc D.matrix
A.有选择 B. 有策略 C. 有目标 D. 反复进行的
A.分类 B. 回归 C. 聚类 D.关联规则挖掘
A. a.popitem() B. del a['k3'] C. a.clear('k3') D. a.pop("k3')
A. list.pop(): 移除列表中的一个元素(默认最后一个元素) , 并且返回该元素的值 B. list.remove(): 移除列表中某个值的第一个匹配项 C. list.reverse(): 反向列表中的元素 D. list.sort(): 对原列表进行排序
A.长度递归神经网络 B.时间递归神经网络 C.偏差递归神经网络 D.结构递归神经网络
A.模型应该简单(防止过拟合) . B.在训练时最小化错误率(提高在训练集上的准确率) C.可以利用已知的数据特性,例如稀疏、低秩等 D.将模型函数正则化
A.import math.sin B.from math import sin C.import math.* D.from math import *
A.对回归问题和分类问题最常 用的评价指标是准确率和召回率 B.分类规则的挖掘方法有决策树法、 贝叶斯法、人工神经网络法、粗糙集法和遗传算法等 C.传统的机器学习 算法有线性回归模型、Logistics回归模型、 KNN算法、 决策树、随机森林、支持向量机、人工神经网络、EM算法、概率图模型等 D.分类模型的误差可分 为训练误差和泛化误差
A.列表 B.集合 C.元组 D.字符串
A.文本总结 B.文本分类 C.文本聚类 D.关联规则
A.线性回归 B.对数几率回归 (二分类问题) C.线性判别分析( Fisher判别分析) D.多分类学习
A.// B.** C.% D./
A. try-except-if B. try-except C. try-except-if-else D. try-except-else
A.Sigmoid函数 B.ReLU函数 C.Tanh函数 D.ELU函数
A.让所有输入数组都向其 中shape最长的数组看齐,shape中不足的部分都通过在前面加1补齐 B. 输出数组的shape是输入数组shape的各个轴上的最大值 C. 如果输入数组的某个轴和输出数组的对应轴的长度相同或者其长度为1时,这个数组能够用来计算,否则出错 D.当输入数组的某 个轴的长度为1时,沿着此轴运算时都用此轴上的第一组值
A.5+5j > 2-3j B.3>2>2 C. (3,2)> (2,4) D.'abc' > 'ab0'
A.输入层和输出层之间仅包含一个中间层 B. 输入层和输出层之间可能包含多个中间层 C.激活函数允许隐 藏结点和输出结点的输出值与输入参数呈现线性关系 D.激活函数允许隐藏结点和输出结点的输出值 与输入参数呈现非线性关系
A.任何在函数中赋值的变量 默认都是被分配到局部命名空间(local namespace)中 B.函数可以访问两种不同作用域中的变量: 全局(global) 和局部(local) C.局部命名 空间是在运行阶段函数被调用时动态创建出来的,函数调用结束动态的销毁的 D. 在函数执行完毕之后,局部命名空间无一例外都会被销毁
A.网页 B.图片 C.视频 D. 以上都不可以
A. Python的语法类似PHP B. Python可用于Web开发 C. Python是跨平台的 D. Python可用于数据抓取 (爬虫)
A.函数名称 B.参数 C.执行语句 D.返回值
A.数据集太小 B.数据集有局部相关性 C.数据集太大 D.数据集没有局部相关性
A.除法赋值运算符 B.乘法赋值运算符 C.取模赋值运算符 D.取整除赋值运算符
●正确 错误
正确 ●错误
正确 ●错误
正确 ●错误
正确 ●错误
●正确 错误
●正确
错误
●正确 错误
●正确 错误
●正确 错误