第 19 章练习与参考答案先完成题目再查看答案。 关于《AI 零基础 36 讲》课后训练与正式讲解配套学习本篇是《AI 零基础 36 讲》的配套课后训练与对应章节的正式讲解一起使用。整个系列面向初学者从日常 AI使用逐步进入编程、模型训练和大模型应用开发。✍️先独立作答再核对答案训练围绕本章知识安排概念判断、结果分析或动手任务并提供参考答案与解释。建议先读完对应的正式文章再独立作答遇到困难时回看相关例子最后核对答案。代码题请亲手运行观察程序输出确认自己能解释结果、发现错误并完成修复。做完一道题也要弄清答案为什么成立。练习标签 0、1、2 能否按大小解释从原数据核对每类总数和测试数。类别顺序为[2, 0, 1]概率为[0.7, 0.2, 0.1]输出标签是什么混淆矩阵中真实 virginica、预测 versicolor 的格子为 1怎样用一句话解释两特征图能否完整解释四特征主模型指出图上背景与点的颜色各表示什么。独立查询iris-138比较它与iris-134的概率差及是否答对。为单条入口输入三个数字、四个含零的数字、五个含标签的数字。说明应拒绝的原因改成四个正数后再运行。参考答案第一题中的数字是类别编码没有数量大小含义。原表每类 50 条测试每类 10 条本章数量平衡。第二题输出标签 2。最高概率在位置 0位置需要用来索引类别数组。第三题可解释为一朵真实 virginica 被模型分成了 versicolor。这一类十条真实测试记录里有九条正确正确比例为 90%。第四题背景是独立两特征模型的预测区域点的颜色是真实标签。四特征模型还依赖萼片长宽不能用独立二维模型的背景完整代替它。第五题可从表格直接核对。importpandasaspd framepd.read_csv(results/test_predictions.csv)selectedframe[frame.sample_id.isin([iris-138,iris-134])]print(selected[[sample_id,target,prediction,probability_gap,correct]].to_string(indexFalse))iris-138真实和预测均为 2最高两项概率差约 0.1974预测正确。iris-134真实为 2、预测为 1概率差约 0.0303。差距小的记录可优先复核当前正确的记录也可能有较小差距。两个例子不足以确定一个可靠的拒答阈值。第六题三个数字缺字段含零违反本章测量要求五个数字混入了多余字段。修复后应同时输出名称和概率。fromexamples.classification_coreimportexperiment,predict_one_with_proba model,_,_,_,_experiment()forvaluesin[[5.1,3.5,1.4],[5.1,3.5,1.4,0],[5.1,3.5,1.4,0.2,0]]:try:predict_one_with_proba(model,values)exceptValueErroraserror:print(type(error).__name__,str(error))print(predict_one_with_proba(model,[5.1,3.5,1.4,0.2]))三组错误都被拒绝修复输入返回 setosa。