TOP終端分析的準(zhǔn)確性在于（）

當(dāng)目標(biāo)是連續(xù)變量時，該決策樹是（）

關(guān)聯(lián)規(guī)則挖掘最為著名的是Agrawal等人提出的（）及其改進(jìn)算法。

聚類分析中，通常使用（）來衡量兩個對象之間的相異度。

樸素貝葉斯分類器對（）數(shù)據(jù)具有較好的分類效果。

客戶感知溯源分析結(jié)合網(wǎng)管、經(jīng)分?jǐn)?shù)據(jù)等，建立貼近客戶使用體驗(yàn)的感知評價。通過（）核心算法從海量的客戶網(wǎng)絡(luò)行為樣本中識別異常點(diǎn)，并進(jìn)行聚類分析，判斷異常屬于群體現(xiàn)象或個別現(xiàn)象。

KDD和數(shù)據(jù)挖掘可以應(yīng)用在很多領(lǐng)域中，它們具有如下一些公共特征：（）。

分類分析的兩個階段分別為（）。

不屬于數(shù)據(jù)挖掘的功能是（）

互聯(lián)網(wǎng)本身具有（）的特征，這種屬性特征給數(shù)據(jù)搜集、整理、研究帶來了革命性的突破。