d_z=np.sqrt(np.sum(np.square((X-np.tile(x_max,reps:(n,1)))),axis=1))哪里错了

这个表达式看起来像是从矩阵计算距离中的一部分，可能是为了得到每个样本点到某向量`x_max`的距离。这里有几个潜在的问题：

1. `reps:(n,1)` 这部分可能有语法错误。在Python里，切片通常不会包含冒号(`:`)。如果是想创建一个二维数组 `(n, 1)` 的副本，应该直接写 `np.ones((n, 1))` 或者 `x_max[np.newaxis, :].repeat(n, axis=0)`。

2. `np.tile(x_max, reps=(n, 1))` 如果 `reps=(n, 1)` 指的是把`x_max`复制成一个`(n, 1)`形状的数组，那么它的维度可能不符合预期，因为`x_max`本身应该是`(1, m)` 形状（假设原数据`X`是 `(n, m)`）。需要确认`x_max`是否适合做这种复制。

3. `np.square((X - np.tile(x_max, ...)))` 这里可能会造成广播问题，如果`x_max`不是一维向量而是多维，这行会尝试对每一列减去对应的`x_max`向量，而不是整个向量。你需要确保`x_max`已经展平成一维。

4. `np.sum(np.square(...), axis=1)` 这部分计算的是每行（每个样本）内平方差之和，然后求和。如果你想得到的是各个样本到`x_max`的欧氏距离，应该在求和之前先开根号。

综上所述，正确的代码可能是：

d_z = np.linalg.norm(X - x_max.reshape(1, -1), axis=1)

或者确认了`reps`的用法之后调整相应部分。