2017 Python机器学习应用(北京理工大学) 最新满分章节测试答案
本答案对应课程为:点我自动跳转查看
本课程起止时间为:2017-05-16到2017-06-25
本篇答案更新状态:已完结
【第一周】机器学习之无监督学习 无监督学习课程测验
1、 问题:以下距离度量方法中，要对样本点的各个属性进行标准化的是：
选项：
A:马氏距离
B:欧氏距离
C:曼哈顿距离
D:夹角余弦
答案: 【马氏距离】
2、 问题:以下不属于无监督学习的算法是：
选项：
A:KMeans
B:PCA
C:DBSCAN
D:KNN
答案: 【KNN】
3、 问题:无监督学习的两大主要任务分别是：
选项：
A:聚类
B:回归
C:降维
D:分类
答案: 【聚类;
降维】
4、 问题:关于DBSCAN算法，以下说法正确的是：
选项：
A:在DBSCAN算法中，将点分类核心点、边界点和噪音点三类
B:DBSCAN算法，需要指定聚类后簇的个数
C:DBSCAN算法是一种基于划分的聚类算法
D:DBSCAN算法是一种基于密度的聚类算法
答案: 【在DBSCAN算法中，将点分类核心点、边界点和噪音点三类;
DBSCAN算法是一种基于密度的聚类算法】
5、 问题:以下属于聚类算法的是：
选项：
A:KMeans
B:NMF
C:PCA
D:DBSCAN
答案: 【KMeans;
DBSCAN】
6、 问题:from sklearn.decomposition import PCA
data = load_iris()
y = data.target
X = data.data
pca = ____
reduced_X = pca.fit_transform(X)在空白处添加代码，创建一个能够获得两个主成分的PCA对象。
答案: 【PCA(n_components=2)】
7、 问题:data = loadData()
km = KMeans(n_clusters=3)
label = km._(data)在空白处补充一个函数，用于获取data中每一条数据的聚类标签。
答案: 【fit_predict】
8、 问题:假设有如下八个点：（3,1）（3,2）（4,1）（4,2）（1,3）（1,4）（2,3）（2,4），使用KMeans算法对其进行聚类。假设初始聚类中心点分别为（0,4）和（3,3），则最终的聚类中为（_,）和（_,）。注：答案数字以逗号分隔，如1.2,3.5,4.3,5.6
答案: 【(以下答案任选其一都对)1.5,3.5,3.5,1.5;
3.5,1.5,1.5,3.5】
9、 问题:from __ import load_boston
data, target = load_boston(return_X_y=True)
print(data.shape)
print(target.shape)补充以上加载数据集的模块名称。
答案: 【sklearn.datasets】
本文章不含期末不含主观题！！
本文章不含期末不含主观题！！
支付后可长期查看
有疑问请添加客服QQ 2356025045反馈
如遇卡顿看不了请换个浏览器即可打开
请看清楚了再购买哦，电子资源购买后不支持退款哦
