下列关于特征数据归一化的说法正确的有（）。

特征数据归一化加速梯度下降优化的速度

特征数据归一化有可能提高模型的精度

线性归一化适用于特征数值分化比较大的情况

概率模型不需要做归一化处理

正确答案：ABD

解析：

归一化方法比较适用于数值比较集中的情况，这种方法的缺陷是如果max和min不稳定，很容易使得归一化结果不稳定，使得后续使用效果也不稳定。实际使用中可以用经验常量值来替代max和min。非线性归一化经常用在数据分化比较大的场景，有些数值很大，有些很小。

题目纠错

ADABOOST数据题库共6章西安

扫码进入小程序
随时随地练习

在Python中，导入random包后random.random（）可能的运行结果为（）。

random库的seed（a）函数的作用是（）。

使用Numpy读取CSV文件应使用的函数是（）。

针对以下数组，从一个数组中移除存在于另一个数组中的项时可进行的操作是（）。
a=np.array（[1，2，3，4，5]）
b=np.array（[5，6，7，8，9]）
期望输出：array（[1，2，3，4]）

针对以下数组，可以获取两个Python Numpy数组之间的公共项的是（）
a=np.array（[1，2，3，2，3，4，3，4，5，6]）
b=np.array（[7，2，10，2，7，4，9，4，9，8]）
期望输出：array（[2，4]）

np.setdiffld（Ndarray1，Ndarray2）函数的作用是（）。

在Numpy中，（）模块可以计算逆矩阵、求特征值、解线性方程组以及求解行列式。

np.linalg.svd（）函数可以实现（）功能。

运行下面程序，下列结果不正确的是（）。
import numpy as np
x=np.array（[1，2]，[3，4]）
y=np.linalg.inv（x）
print（y）

Numpy包中meshgrid（）函数实现的功能是（）。