Выберите правильный вариант
Anonymous Quiz
20%
Список вероятностей
43%
Один класс (метку)
16%
Один признак
13%
Коэффициенты
4%
One-hot вектор
5%
Посмотреть результаты
Что может быть проблемой?
from sklearn.cluster import KMeans
import numpy as np
X = np.array([[1, 10], [2, 20], [100, 9000]])
KMeans(n_clusters=2).fit(X)
Выберите правильный вариант
Anonymous Quiz
38%
Влияет масштаб признаков
10%
Слишком мало кластеров
21%
KMeans не работает с int
13%
Ошибка из-за размера данных
5%
Метод не определён
14%
Посмотреть результаты
Что выведет print?
from sklearn.decomposition import PCA
import numpy as np
X = np.random.rand(100, 5)
X_pca = PCA(n_components=2).fit_transform(X)
print(X_pca.shape)
Выберите правильный вариант
Anonymous Quiz
19%
(5, 2)
21%
(2, 100)
44%
(100, 2)
10%
(100, 5)
2%
м
4%
Посмотреть результаты
Для чего используется t-SNE?
from sklearn.manifold import TSNE
import numpy as np
X = np.random.rand(200, 10)
X_emb = TSNE(n_components=2).fit_transform(X)
Выберите правильный вариант
Anonymous Quiz
19%
Балансировка классов
15%
Выбор числа кластеров
15%
Заполнение пропусков
15%
Повышение точности модели
31%
Снижение размерности для визуализации
6%
Посмотреть результаты
Что выведет код?
import numpy as np
a = np.array([[1, 2], [3, 4]])
b = a.T
b[0][1] = 99
print(a)
Выберите правильный вариант
Anonymous Quiz
37%
[[ 1 99] [ 3 4]]
19%
[[ 1 2] [99 4]]
10%
[[ 1 2] [ 3 99]]
10%
[[99 2] [ 3 4]]
17%
[[ 1 2] [ 3 4]]
8%
Посмотреть результаты
Что выведет код?
import numpy as np
a = np.arange(6)
b = a.reshape((2, 3))
b[0][1] = 42
print(a)
Выберите правильный вариант
Anonymous Quiz
7%
[ 0 1 42 3 4 5]
16%
[ 0 1 2 42 4 5]
62%
[ 0 42 2 3 4 5]
7%
[ 0 1 2 3 4 5]
7%
[42 1 2 3 4 5]
2%
Посмотреть результаты