请在 下方输入 要搜索的题目：
推荐参考答案 (
由 搜题小帮手 官方老师解答 )
答案：
以下文字与答案无关
提示：有些试题内容 显示不完整,文字错误 或者 答案显示错误等问题，这是由于我们在扫描录入过程中 机器识别错误导致,人工逐条矫正总有遗漏，所以恳请 广大网友理解。
相关试题
- 1.在执行上一题的程序段后，要访问鸢尾花数据集中所有行的鸢尾花品种（第5列），执行_______语句可以实现。选项： A:print(iris[:, 5]); B:print(iris[:, 4]); C:print(iris[0:5]); D:print(iris[:4])
- 2.读取鸢尾花数据集iris前6行中的前4列数组元素，执行下列_______语句可以实现。 选项：A．iris[6, 4]B．iris[:5, :3]C．iris[0:6, 0:4]D．iris[0:5, 3]
- 3.python中导入内置的鸢尾花数据集时，首先利用from sklearn.datasets import load_iris 从sklearn.datasets模块导入鸢尾花数据集，然后利用下列哪个语句来将数据赋值给iris对象呢 选项： A、iris=load_iris B、iris=load_iris() C、iris=iris() D、iris=iris
- 4.541.已知iris表示鸢尾花数据集，print(iris.target)输出的是什么？ 选项： A:输出数据所属的真实标签 B:输出数据的纬度 C:输出数据标签的名字
- 5.鸢尾花数据iris.csv中提取出数据生成（150,4）的ndarray数组，统计四个特征的均值，请完成代码： import numpy as np iris = np.loadtxt('work/iris.csv',skiprows=1,delimiter=',',usecols=(0,1,2,3)) #花萼长度、花萼宽度、花瓣长度、花瓣宽度均值 print(np.mean(iris,_______))
- 6.541.已知iris表示鸢尾花数据集，print(iris.target)输出的是什么？ 选项： A:A.输出数据所属的真实标签 B:B.输出数据的纬度 C:C.输出数据标签的名字
- 7.阅读以下读取iris鸢尾花数据集中的花萼长度数据集，并对其进行统计分析的代码，进行代码填空。 import numpy as np iris_sepal_length = np.____(1)_____(" iris_sepal_length.csv", delimiter=",") #读取数据集 np. ____(2)______(iris_sepal_length) # 对花萼长度进行去重处理 np. ___(3)___(iris_sepal_length) #求花萼长度表的均值 np. ___(4)____(iris_sepal_length) #求花萼长度表的最大值 np.__(5)___(iris_sepal_length) # 求花萼长度的标准差
- 8.中国大学MOOC: 下面的一段python程序是对iris数据集进行训练集合测试集的拆分，已知该数据集中样本的个数为150个，特征为4个。则下面的程序执行完毕后，print语句的输出结果应该为：from sklearn import cross_validation 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 )print ("X_train.shape:", X_train.shape, "y_train.shape:", y_train.shape)
- 9. 以下哪个语句可以实现加载scikit-learn模块的iris数据集： 选项： A: iris = datasets.read_iris() B: iris = datasets.load_iris() C: iris = datasets.iris() D: iris = datasets.load.iris()
- 10.iris数据集为R的内置数据集之一，输出该数据集中“萼片宽度”变量的语句中，以下正确的有 选项： A: iris$Sepal.Length B: iris"Petal.Width"] C: iris,"Sepal.Width"] D:iris,2]
- 11.Weka中加载鸢尾花数据集（iris.arff），iris数据包含三个类别值，运行SMO分类器（）。
- 12.根据J48分类器训练鸢尾花数据集(iris.arff)所生产的决策树,当sepallength=2.4;sepalwidth=4.0;petallength=5.3;petalwidth=1.8时,分类的结果是( )。A.Iris-setosaB.Iris-versicolorC.Iris-virginicaD.无法分类
- 13.以下代码段中，获取鸢尾花花瓣长度和宽度，正确的表达______。import tensorflow as tfimport numpy as npimpor pandas as pdTRAIN_URL = "http://download.tensorflow.org/data/iris_trainning.csv"train_path = tf.keras.utils.get_file(TRAIN_URL.split('/')[-1], TRAIN_URL)df_iris_train = pd.read_csv(train_path, header=0)iris_train = np.array(df_iris_train)选项： A:x_train = iris_train[:, 2:4]; B:x_train = iris_train[:, 3:4]; C:x_train = iris_train[2:4, :]; D:x_train = iris_train[3:4, :]
- 14.#iris是一个关于鸢尾花的统计信息的列表。 【?】 #查看列表iris的前六行 【?】 #查看列表iris的列名称 【?】 #对Sepal.Length列，查看元素的个数 【?】 #对Sepal.Length列，求均值
- 15.根据J48分类器训练鸢尾花数据集(iris.arff)所生产的决策树,当sepallength=2.4;sepalwidth=4.0;petallength=5.3;petalwidth=1.8时,分类的结果是()。 选项： A、Iris-setosa B、Iris-versicolor C、Iris-virginica D、无法分类
- 16.根据J48分类器训练鸢尾花数据集(iris.arff)所生产的决策树,当sepallength=2.4;sepalwidth=4.0;petallength=5.3;petalwidth=1.8时,分类的结果是( )。A．Iris-setosaB．Iris-versicolorC．Iris-virginicaD．无法分类
- 17.下面的一段python程序是对iris数据集进行训练集和测试集的拆分，已知该数据集中样本的个数为150个，特征为4个。则下面的程序执行完毕后，print语句的输出结果应改为： from sklearn import datasets from sklearn.model_selection import train_test_split iris = datasets.load_iris() X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3) print("X_train.shape: ", X_train.shape, "y_train.shape: ", y_train.shape) 选项： A、X_train.shape: (150,4) y_train.shape: (150,) B、X_train.shape: (105,4) y_train.shape: (105,) C、X_train.shape: (45,4) y_train.shape: (45,) D、X_train.shape: (120,4) y_train.shape: (120,)
- 18.查看iris数据集的目标名使用的语句是iris.（ ）。
- 19.【?】 #列出在基本程序包（base）中所有可利用的数据集 【?】 (iris, file ="iris.txt") #将数据集iris存储为.txt文件 【?】(iris, file ="iris.csv") #将数据集iris存储为.csv文件 mydata<-【?】("iris.txt",head=TRUE) #读取iris.txt到对象mydata中
- 20.查看iris数据集的特征名使用的语句是iris.( )。
- 21.iris是R语言内置的一个数据集，直接输入iris即可查看该数据集。使用iris数据集，绘制一个折线图，展示不同种类鸢尾花（Species）的Sepal.Length（萼片长度）和Sepal.width（萼片宽度）之间的关系。
