第6章使用scikit-learn构建模型课后习题

最新推荐文章于 2024-08-09 20:58:04 发布

原创最新推荐文章于 2024-08-09 20:58:04 发布 · 4.2k 阅读

9 ·

CC 4.0 BY-SA版权

Python数据分析与应用专栏收录该内容

5 篇文章

订阅专栏

本文深入解析sklearn库的功能与使用，包括选择题形式的知识点考察，涵盖sklearn的基本概念、train_test_split函数的正确用法、转换器的工作原理及sklearn中涉及的各类算法，如K-Means、Logistic Regression和KNN等。

部署运行你感兴趣的模型镜像

1.选择题
(1)下列关于sklearn说法错误的是(B)
A.sklearn全称为scikit-learn
B.sklearn在官网被分为7个大块
C.sklearn的聚类算法几乎已经放在culster模块中了
D.sklearn需要Numpy和SciPy库的支持
(2)下列关于train_test_split函数的说法正确的是(D)
A.train_test_split能够将数据集划分为训练集、验证集和测试集
B.生成的训练集和测试集在赋值的时候可以调换位置，系统能够自动识别
C.train_test_split每次的划分结果不同，无法解决
D.train_test_split函数可以自行决定训练集和测试集的占比
(3)下列关于sklearn转换器的说法与使用方式错误的是(A)
A.fit在转换器中起到的作用为训练模型
B.fit在转换器中起到的作用为生成规则
Ctransform在转换器中起到的作用为应用规则
D.fit_transform是fit和transform的结合
(4)下列算法中，sklearn中未提及的是(D)
A.K-Means聚类算法
B.Logistic Regression
C.KNN最近邻分类算法
D.Apriori关联规则算法
(5)下列关于分类算法描述正确的是©
A.分类算法的标签和回归算法完全相同
B.分类算法和聚类算法一样都没有标签
C.分类算法的评价需要参考真实标签
D.分类算法评价可以用均方误差来判断