SVM算法主要针对线性可分的情况进行分类分析。

判断题SVM算法主要针对线性可分的情况进行分类分析。

1.判断题Z值标准化后，有约一半观察值的数值小于0，另一半观察值的数值大于0。

2.判断题条形图、直方图的原点必须是零。

3.判断题标准差用来描述数据的离散趋势。

4.判断题概率大的事件一定发生，概率小的事件一定不发生。

5.判断题决策树学习主要利用信息论中的信息增益（information gain)，寻找数据集中有最大信息量的变量，建立数据的一个节点，再根据变量的不同值建立树的分枝，每个分枝子集中重复建树的下层结果和分枝的过程，一直到完成建立整株决策树。

6.判断题决策树过拟合时，先剪枝和后剪枝的效果和计算量完全一样，因此可以随意选择。

7.判断题数据处理是讲信息转换成数据的过程。

8.判断题数据量足够大时，增加或删除一些变量对最终的聚类结果不会有太大影响。

9.判断题数据分类的基本思想就是构造一个模型或分类器来预测研究对象的分类属性，这个分类属性通常为离散型变量。

10.判断题非概率抽样的样本结果不适合推断总体。