A.干扰样本清理算法
B.异常样本识别算法
C.异常样本聚类算法
D.决策树算法

A.能够处理高纬度的数据，并且不做特征选择
B.每次学习使用不同训练集，一定程度避免过拟合
C.在某些噪音较大的分类或回归问题上不会过拟合
D.级别划分较多的属性不会影响模型效果

A.决策树算法
B.回归算法
C.聚类分析
D.神经网络算法

A.信令CDR数据
B.话务统计数据
C.综合资源数据
D.业务营销数据

A.分类树
B.回归数
C.二分数
D.多分树

A.当业务质量分析的样本流量太大，可以结合计算资源能力，通过合理比例的样本抽样，开展指标计算与分析
B.对于业务质量的指标分析，选取单个用户的业务访问xdr，即可计算该业务的指标情况，评估该业务是否存在内容资源质差
C.不同业务的质量指标通常存在一定差值，该现象与各业务的业务特性、用户行为、内容资源差异等多个因素有关，属于正常现象
D.业务质量分析中，通常结合业务指标的历史值（如该指标上周均值）与指标的固定阈值（如成功率是否低于90%），来作为是否出现质差或者劣化的判断依据

A.数据清洗
B.数据存储
C.可视化
D.数据建模

A.分类区隔类
B.推测预测类
C.序列规则类
D.人工智能类

A.维是人们观察数据的特定角度
B.维的层次性是由观察数据细致程度不同造成的
C.“某年某月某日”是时间维的层次
D.“月、季、年”是时间维的层次

A.数据无时基
B.抽取程序的算法有差异
C.抽取的层次不同
D.缺乏集成性

A.±0.5%
B.±1%
C.±2%
D.±5%