A.信令CDR數(shù)據(jù)
B.話務(wù)統(tǒng)計(jì)數(shù)據(jù)
C.綜合資源數(shù)據(jù)
D.業(yè)務(wù)營(yíng)銷數(shù)據(jù)
您可能感興趣的試卷
你可能感興趣的試題
A.分類樹
B.回歸數(shù)
C.二分?jǐn)?shù)
D.多分樹
A.當(dāng)業(yè)務(wù)質(zhì)量分析的樣本流量太大,可以結(jié)合計(jì)算資源能力,通過(guò)合理比例的樣本抽樣,開展指標(biāo)計(jì)算與分析
B.對(duì)于業(yè)務(wù)質(zhì)量的指標(biāo)分析,選取單個(gè)用戶的業(yè)務(wù)訪問(wèn)xdr,即可計(jì)算該業(yè)務(wù)的指標(biāo)情況,評(píng)估該業(yè)務(wù)是否存在內(nèi)容資源質(zhì)差
C.不同業(yè)務(wù)的質(zhì)量指標(biāo)通常存在一定差值,該現(xiàn)象與各業(yè)務(wù)的業(yè)務(wù)特性、用戶行為、內(nèi)容資源差異等多個(gè)因素有關(guān),屬于正?,F(xiàn)象
D.業(yè)務(wù)質(zhì)量分析中,通常結(jié)合業(yè)務(wù)指標(biāo)的歷史值(如該指標(biāo)上周均值)與指標(biāo)的固定閾值(如成功率是否低于90%),來(lái)作為是否出現(xiàn)質(zhì)差或者劣化的判斷依據(jù)
A.數(shù)據(jù)清洗
B.數(shù)據(jù)存儲(chǔ)
C.可視化
D.數(shù)據(jù)建模
A.分類區(qū)隔類
B.推測(cè)預(yù)測(cè)類
C.序列規(guī)則類
D.人工智能類
A.維是人們觀察數(shù)據(jù)的特定角度
B.維的層次性是由觀察數(shù)據(jù)細(xì)致程度不同造成的
C.“某年某月某日”是時(shí)間維的層次
D.“月、季、年”是時(shí)間維的層次
最新試題
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組合成一個(gè)森林,每個(gè)決策樹在分類的時(shí)候決定測(cè)試樣本的最終類別。它的優(yōu)點(diǎn)是()
數(shù)據(jù)挖掘系統(tǒng)可以根據(jù)什么標(biāo)準(zhǔn)進(jìn)行分類()
高鐵用戶識(shí)別基于以下哪些信息()
在數(shù)據(jù)挖掘中,以下哪三種算法應(yīng)用最為廣泛()
Tableau是廣義數(shù)據(jù)挖掘中的哪一類工具()
給定一個(gè)數(shù)值屬性,怎樣才能平滑數(shù)據(jù),去掉噪聲?()
不屬于數(shù)據(jù)挖掘的功能是()
最優(yōu)影響力模型選擇標(biāo)準(zhǔn)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:()。