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(píng)價(jià)。通過(guò)（）核心算法從海量的客戶網(wǎng)絡(luò)行為樣本中識(shí)別異常點(diǎn)，并進(jìn)行聚類(lèi)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(lèi)算法描述正確的是（）

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：（）。

物聯(lián)網(wǎng)端到端質(zhì)量分析應(yīng)用中網(wǎng)絡(luò)接入時(shí)長(zhǎng)定界流程，當(dāng)下列哪些過(guò)程時(shí)延損耗較大需要轉(zhuǎn)EPC進(jìn)行處理（）

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

自有業(yè)務(wù)質(zhì)量監(jiān)測(cè)及競(jìng)對(duì)分析對(duì)系統(tǒng)的需求主要分為哪些方面（）

分類(lèi)分析的兩個(gè)階段分別為（）。

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。

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

如何進(jìn)行數(shù)據(jù)清洗（）