题目内容

下列关于scikit-learn的描述正确的是

A. scikit-learn包括许多知名的机器学习算法的实现，包括LIBSVM等
B. scikit-learn封装了其他的Python库，如自然语言处理的NLTK库
C. scikit-learn内置了大量数据集，如iris数据集等
D. scikit-learn实现了多种分类的评估方法，如准确率、精确率、召回率等

查看答案

搜索结果不匹配？点我反馈

更多问题

假设测试数据集中共计有70个正类样本，30个负类样本。且某次分类结果如下表所示（表中各项的含义如表下方的注释所示）。则分类的精确率是______ （要求：用小数表示，且保留小数点后两位）？实际类别预测类别正例负例总计正例TP=40FN=30P(实际为正例)=70负例FP=10TN=20N(实际为负例)=30表中数据项的含义：True positives(TP): 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数（样本数）；False negatives(FN):被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数；False positives(FP): 被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数；True negatives(TN): 被正确地划分为负例的个数，即实际为负例且被分类器划分为负例的实例数。

自然语言处理中为了计算文档之间的相似度，往往需进行文档的量化表示，下面关于BOW（即Bag-Of-Words model）和VSM（Vector Space Model）的描述正确的是：

A. BOW，即词袋模型。即为了计算文档之间的相似度，假设可以忽略文档内的单词顺序和语法、句法等要素，将其仅仅看作是若干个词汇的集合。
B. VSM，即向量空间模型。是一种表示文本文档的数学模型。将每个文档表示成同一向量空间的向量。
C. 在VSM，即向量空间模型中，所有文档的向量维度的数目都相同。
D. 其它选项都不对

查看答案

为了在python程序中进行英文自然语言的处理，如词语切分（Tokenization）词干提取（Stemming）等工作，需要使用的导入模块语句通常为：

A. import matplotlib.pyplot as plt
B. import nltk
C. import numpy as np
D. from sklearn import svm, datasets

查看答案

刑罚的目的是预防犯罪,所以量刑时不需考虑责任大小,只需考虑预防的必要性。( )

查看答案