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：（）。

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(jià)。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(gè)別現(xiàn)象。

關(guān)于SOM聚類算法描述正確的是（）

樸素貝葉斯分類器對（）數(shù)據(jù)具有較好的分類效果。

關(guān)于ROC曲線和ROC統(tǒng)計(jì)量，正確的說法有（）

在Hadoop集群中，一個(gè)MapReduce作業(yè)的執(zhí)行流程包括以下哪些（）

隨機(jī)森林利用隨機(jī)的方式將許多決策樹組合成一個(gè)森林，每個(gè)決策樹在分類的時(shí)候決定測試樣本的最終類別。它的優(yōu)點(diǎn)是（）

Tableau是廣義數(shù)據(jù)挖掘中的哪一類工具（）

AprioriAll算法存在的問題包括（）。

AprioriSome算法可以看作是AprioriAll算法的改進(jìn)，具體過程分為（）兩個(gè)階段。