网友您好，请在下方输入框内输入要搜索的题目：

搜题

题目内容（请给出正确答案）

提问人：网友niujunli 发布时间：2022-01-07

[主观题]

对于给定的下面的一段python程序，则程序最后，result中...

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', '51', '53', '32', '28', '29', '61', '62', '10']) result=Ent_x1+Ent_x2-Ent_x1x2

A、交叉熵

B、联合熵

C、互信息

D、相对熵

简答题官方参考答案（由简答题聘请的专业题库老师提供的解答）

抱歉！暂无答案，正在努力更新中……

更多“对于给定的下面的一段python程序，则程序最后，result中...”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（

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

对于给定的下面的一段python程序。已知D是W与X的点乘，且W为参数矩阵，X为样本矩阵，则空格中应该填入的数值是 import numpy as np # 正向传播 W = np.random.randn（5, ) X = np.random.randn（10, 2) D = W.dot（X)

A.10

B.5

C.2

D.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（[0.6,0.25,0.1,0.05]) kl1=np.sum（p*np.log（p/q)) kl2=np.sum（q*np.log（q/p))

A.程序最后两行的计算结果是相等的

B.程序最后两行的计算结果是不相等的

C.程序最后两行的的目的是计算相对熵，其是交叉熵与信息熵的差值

D.程序的目的是计算相对熵，其不具备对称性

点击查看答案

第4题

对于给定的下面的一段计算香农信息熵的python程序（已知x1和x2的概率分布），则其输出结果应该为下面的哪个选项？ import numpy as np def calc_ent（x): x_value_list = set（[x[i] for i in range（x.shape[0])]) ent = 0.0 for x_value in x_value_list: p = float（x[

A.entropy of x1: 0.0； entropy of x2: 2.0

B.entropy of x1: 2.0； entropy of x2: 0.0

C.entropy of x1: 2.0； entropy of x2: 2.0

D.entropy of x1: 1.0； entropy of x2: 2.0

点击查看答案

第5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？ fro

m 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6题

对于下面的一段python程序，计算的是向量之间的 import numpy as np x=np.random.random（5) y=np.random.random（5) sim=np.dot（x,y)/（np.linalg.norm（x)*np.linalg.norm（y))

A.欧氏距离

B.余弦相似度

C.欧式相似度

D.马修相关系数

点击查看答案

第7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.asa

rray([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8题

对于下面的一段python程序，sim中保存的是向量之间的： import numpy as np x=np.random.random（5) y=np.random.random（5) from scipy.spatial.distance import pdist X=np.vstack（[x,y]) sim=1-pdist（X,'cosine')

A.欧氏距离

B.余弦相似度

C.余弦距离

D.马修相关系数

点击查看答案

第9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

账号：尚未登录

登录没有账号？去注册

搜题记录

联系客服

购买搜题卡

考试指南全部 >

自考本科2024年什么时候开始报名具体时间安排全国2024年10月各地自考报名及考试时间广东自考本科2024年报名时间及考试时间 2024年10月自考报名截止时间及考试时间安排 2024年下半年自考大专报名时间及流程自考大专有什么途径可以报名具体报考流程有哪些成人自考报名时间2024年10月什么时候开始报考 2024年7月江苏自考报名时间及考试时间自考有必要要学位证吗申请条件是什么 2024年成人自考和函授有什么区别哪个含金量高

购买搜题卡查看答案

购买前请仔细阅读《购买须知》

请选择支付方式

微信支付

支付宝支付

点击支付即表示你同意并接受《服务协议》和《购买须知》

立即支付已付款，但不能查看答案，请点这里登录即可>>

搜题卡使用说明

1. 搜题次数扣减规则：

功能	扣减规则
功能	基础费（查看答案）	加收费（AI功能）
文字搜题、查看答案	1/每题	0/每次
语音搜题、查看答案	1/每题	2/每次
单题拍照识别、查看答案	1/每题	2/每次
整页拍照识别、查看答案	1/每题	5/每次