A.14和5
B.5和3
C.9和0
D.9和5

A.用训练集上的PCA模型处理测试集数据，然后把得到的数据输入到多元线性回归模型做预测。
B.用测试集上的PCA模型处理测试集数据，然后把得到的数据输入到多元线性回归模型做预测。
C.用全部数据集上的PCA模型处理测试集数据，然后把得到的数据输入到多元线性回归模型做预测。
D.以上皆可

A.先用全数据的均值填充缺失值，然后随机分割训练集、测试集
B.先随机分割训练集、测试集，然后用各自集合的均值填充缺失值
C.先随机分割训练集、测试集，然后用训练集的均值填充缺失值
D.先随机分割训练集、测试集，然后用测试集的均值填充缺失值

A.A/（A+B）
B.A/（A+D）
C.B/（B+C）
D.C/（B+C）

A.C/（C+D）
B.D/（A+D）
C.B/（B+C）
D.C/（B+C）

A.用来度量一类商品相对于它的一般购买率，此时被购买的可能性大小
B.不能避免不平衡数据标签的偏差性
C.Lift越大，数据质量越大
D.如果lift=1，说明两个事项有正向关联

A.其支持度小于阈值
B.都是不让人感兴趣的
C.包含负模式和负相关模式
D.对异常数据项敏感

A.轮廓系数
B.共性分类相关系数
C.熵
D.F度量

A.将负样本重复10次，生成10w样本量，打乱顺序参与分类
B.直接进行分类，可以最大限度利用数据
C.从10w正样本中随机抽取1w参与分类
D.将负样本每个权重设置为10，正样本权重为1，参与训练过程

A.最小损失准则
B.N-P判决
C.最小最大损失准则
D.最小误判概率准则

A.构建决策树输入数据的随机选取
B.构建决策树分裂节点的随机选取
C.构建决策树树的数量的随机选取
D.构建决策树所需特征的随机选取