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.使用R中的iris数据集，利用Kmeans算法对其进行聚类，选择聚类簇数k=3，并对聚类结果进行简单的分析和说明。需要上传程序代码。（备注：可以参考11.6节课程内容）
- 2.使用R中的iris数据集，利用Kmeans算法对其进行聚类，选择聚类簇数k=3，并对聚类结果进行简单的分析和说明。需要上传程序代码。（备注：可以参考11.6节课程内容）
- 3.R中绘出iris数据集矩阵各列的散布图的命令是plot（iris)。（)
- 4.决策树分类的主要包括（ ） 选项： A、对数据源进行OLAP, 得到训练集和测试集； B、对训练集进行训练； C、对初始决策树进行树剪枝； D、由所得到的决策树提取分类规则； E、使用测试数据集进行预测，评估决策树模型；
- 5.R中通过命令help(iris)来查看对应iris数据集使用的帮助文档( )
- 6.利用SVM算法对sklearn中的鸢尾花数据集iris进行分类，将鸢尾花数据集中的data作为X, target作为y，构建SVM模型，选择将25%的数据用来测试，75%的数据用来训练，最后输出测试集评分。
- 7.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
- 8.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
- 9.查看iris数据集的特征名使用的语句是iris.( )。
- 10.R中显示iris数据集列Species中各个值出现频次的命令是table(iris$Species)选项： A:对 B:错
- 11.下列过程属于分类的过程的是A.将数据集划分为训练集和测试集两部分B.通过分析训练集的特点来构建分类模型C.对测试集用建立的分类模型进行分类，评估分类准确度D.提取训练数据集的特征数据
- 12.iris数据集为R的内置数据集之一，输出该数据集中“萼片宽度”变量的语句中，以下正确的有 选项： A: iris$Sepal.Length B: iris"Petal.Width"] C: iris,"Sepal.Width"] D:iris,2]
- 13.分类模型在进行训练时需要() 选项： A:训练集 B:训练集与测试集 C:训练集、验证集、测试集
- 14.决策树分类的主要包括（ ）。选项： A:对训练集进行训练 B:对初始决策树进行树剪枝 C:由所得到的决策树提取分类规则 D:使用测试数据集进行预测，评估决策树模型
- 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:无法分类 C:Iris-virginica D:Iris-versicolor
- 16.“垃圾邮件”数据集训练模型来识别垃圾邮件。用训练好的模型对测试集进行预测。调用sklearn中的accuracy_score函数计算预测的准确率：单次测试的准确率为88.27%。 选项： A、朴素贝叶斯分类器使用大量的训练数据可以显著提高预测准确率 B、依次使用了训练集比例70%, 60%, …, 10%来训练模型并测试模型性能。发现随着训练集的减小和测试集增大，模型性能仅有极微小的改变。这说明？ C、朴素贝叶斯分类器只需要使用很少的训练数据 D、对于该分类问题，朴素贝叶斯分类器预测准确率不是很高 E、对于该分类问题，朴素贝叶斯分类器预测准确率很高
- 17.构造分类模型的过程一般分为训练和测试两个结算。在构造模型之前，将数据集随机地分为训练数据骥和测试数据集。先使用训练数据集来构造分类模型，然后使用测试数据集来评估模型的分类准确率。
- 18.对训练好的模型使用（ ）对模型进行评估测试，验证模型是否达到业务需求。 选项：A、测试数据集B、验证数据集C、训练数据集D、结果数据集
- 19.运行以下代码from sklearn.datasets import load_irisiris_data = load_iris()iris_data.data.shape输出结果为(150, 4)。则表示iris数据集包括样本个数为（ ）。选项： A:150; B:4; C:600; D:154
- 20.一种典型的机器学习方法的设计分类器的过程包括：所使用的数据集被划分为训练集和测试集，在训练集上训练分类器，然后在测试集上评价分类器的性能。选项： A:正确; B:错误
- 21.sklearn的____函数用于将矩阵随机划分为训练子集和测试子集,并返回划分好的训练集测试集样本和训练集测试集标签。
- 22.运行以下代码from sklearn.datasets import load_irisiris_data = load_iris()iris_data.data.shape输出结果为(150, 4)。则表示iris数据集包括样本特征数为（ ）。选项： A:150; B:4; C:600; D:154
- 23.分类分析的目的是预测目标数据所属类别，以下说法正确的是 选项： A、在建立分类模型前，需要采集有标签数据集 B、 将数据集划分为训练数据集和测试数据集 C、 目的是为测试数据集预测所属类别 D、 训练数据集用于构建分类模型
