SVM算法更适用于稀有事件的分类问题，如客户流失、欺诈侦测等。

判断题SVM算法更适用于稀有事件的分类问题，如客户流失、欺诈侦测等。

1.判断题忠诚的客户来源于满意的客户，满意的客户不一定是忠诚的客户。

2.判断题聚类算法通常按照中心点或者分层的方式对输入数据进行归并，所以聚类算法试图找到数据的内在结构，以便按照最大的共同点将数据进行归类。

3.判断题RFM模型是Recency Frequency Monetary三个首字母的缩写，根据最近一次消费，消费频率，消费金额研究客户特征，并对客户进行等级划分。

4.判断题SVM算法通过搜索最大边缘超平面来实现分类，并期望具有较大边缘的超平面对测试集或未知分类的数据集比具有较小边缘的超平面更准确。

5.判断题提升度是支持度与置信度的比值。

6.判断题用户建模就是通过逻辑回归，时间序列等预测算法，SVM，贝叶斯等分类，聚类算法LDA等文本挖掘方法以及欧氏距离，余弦相似度等定义人群的用户画像。

7.判断题啤酒与尿布的故事是聚类分析的典型实例。

8.判断题库存ABC分类法的优点在于其分析和控制重点物料时简单易行，判别标准全面。

9.判断题随机森林不能直接给出决策树的决策规则，即无法给出模型的显性表达式，但可以度量各个输入变量的重要性。

10.判断题柱状图通常用来比较变量，而条形图经常用来呈现变量的分布。