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...

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。

1.判断题非概率抽样的样本结果不适合推断总体。

2.判断题利用聚类分析可以分析顾客间的相似或差异关系，并将顾客按照一定特征拆分成若干个类别而达到市场细分的目的。

3.判断题回归模型中，有两个或者两个以上的自变量彼此相关，对回归分析没有影响。

4.判断题异常值会给分类算法带来很大的干扰，因此要删除异常值。

5.判断题分类模型的误差大致分为两种：训练误差（training error）和泛化误差（generalization error）。

6.判断题神经网络算法不需要考虑变量是否共线，因此比逻辑回归的实施应用要简单很多。

7.判断题因子得分是各变量的线性组合。

8.判断题现金流入量是指项目引起的企业现金收入得的增加额。

9.判断题在计算加权平均数时，数据作用越大，所赋予的权重也就越大，数据的作用越小，所赋予的权重也就越小。

10.判断题Adaboost算法的核心思想是下一个分类器更关注上一轮分错的样本。