根据《南方电网公司管理线损管理办法》，线损异常管理工作中采用专变客户线损精确比对、公变客户线损趋势分析的方式，对分线、分台区线损指标完成情况，与计划、同期及理论线损值进行比较分析，查找线损异常原因。
对注意、异常及严重状态设备，要在查明异常原因的基础上，综合分析判断异常发展趋势，（）制定状态运行监视措施和检修策略。
在聚类分析中，完全连接法与单连接法相似，以（）原则为基础。
患者，女，39岁，6个月前因外伤一上前牙脱落，今要求烤瓷桥修复。口腔检查：右上中切牙缺失，间隙无明显异常，牙槽嵴高度无明显异常，较平整。左上中切牙近中切角缺损，未露髓，探稍敏感，叩诊阴性，无松动。右上侧切牙牙冠完好，叩诊阴性，无松动。上下前牙牙龈轻度红肿，易出血，可见少量菌斑及牙石，余牙未见明显异常。下列不是修复前进行的必要检查和治疗工作的是（）。
在聚类分析当中，簇内的相似性越大，簇间的差别越大，聚类的效果就越差。
是指对数据质量进行的检查，考虑数据分布及变量转换，检查异常值和数据是否符合特定的统计分析方法要求等，此内容属于以下统计工作步骤当中的哪一步（）
系统分析师在收集、分析、处理数据时常会遇到零星异常数据（野点、离群点），即大大偏离其他数据值的数据。关于异常数据的叙述，不正确的是（）
在数据的预处理部分，我们可利用（）和交叉频数分析来检验异常值。
DM/CF系统的主要预测流程的顺序是什么（）。 1.通用统计预测 2.输入预测的修正值 3.审核预测消除异常值（必要时返回上一步） 4.需求分析及异常值检查 5.供应/需求平衡 6.经过销售人员分析其中差异 7.发布统计预测
两因素无重复观测值方差分析只能分析试验因素的简单效应和主效应，不能分析出互作效应，因此时计算的误差自由度为（）。当两因素有互作效应时，试验设计一定要在处理组（水平组合）内设立重复。
在聚类分析中常常应用马氏距离测量，马氏距离相对明氏距离、杰氏距离和兰氏距离的优点体现在（）
资料整理应作好原始观测数据的检验、计算、填表和绘图、初步分析和异常值之判识。
在聚类分析当中，（）等技术可以处理任意形状的簇。
以下算法中对缺失值敏感的有（ ）
异常值会给分类算法带来很大的干扰，因此要删除异常值。
某方案的内部收益率为23%，现以内部收益率作为技术方案经济效果评价指标对方案作单因素敏感性分析。当投资额在初始值的基础上分别按+10%、-10%的变化幅度变动时，对应的内部收益率分别变为17%、29%；令销售收入在初始值的基础上分别按+10%、-l0%的变化幅度变动，对应的内部收益率分别变为41%、5%。因此，内部收益率对投资额的敏感度系数S1，和内部收益率对销售收入的敏感度系数S2依次为()。
某方案的内部收益率为23％。现以内部收益率作为项目评价指标对方案做单因素敏感性分析。当投资额在初始值的基础上分别按＋10％、－10％的变化幅度变动时，对应的内部收益率分别变为17％、29％；令销售收入在初始值的基础上分别按＋10％、－10％的变化幅度变动，对应的内部收益率分别变为41％、5％。因此，内部收益率对投资额的敏感度系数S1和内部收益率对销售收入的敏感度系数．s2依次为：()。
税收管理员有对分管纳税人开展纳税评估，综合运用各类信息资料和评估指标及其预警值查找异常，筛选重点评估分析对象；对纳税人的工作职责
某方案的内部收益率为23%。现以内部收益率作为项目评价指标对方案做单因素敏感性分析。当投资额在初始值的基础上分别按+10%、-10%的变化幅度变动时，对应的内部收益率分别变为17%、29%；令销售收入在初始值的基础上分别按+10%、-10%的变化幅度变动，对应的内部收益率分别变为41%、5%。因此，内部收益率对投资额的敏感度系数S<sub>1</sub>和内部收益率对销售收入的敏感度系数S<sub>2</sub>依次为：( )。
某方案的内部收益率为23%，现以内部收益率作为项目评价指标对方案做单因素敏感性分析。当投资额在初始值的基础上分别按+10%、-10%的变化幅度变动时，对应的内部收益率分别变为17%、29%；令销售收入在初始值的基础上分别按+10%、-10%的变化幅度变动，对应的内部收益率分别变为41%、5%。因此，内部收益率对投资额的敏感度系数S1和内部收益率对销售收入的敏感度系数S2依次为()。
4、与原有顾客相比，新顾客的购物经历不多，很难获取其喜好，对其使用传统的推荐方式、聚类分析和搜索方式无法达到理想的效果。因此，亚马逊以现有数据为基础开发了商品到商品的协同过滤算法，该算法与顾客数量及商品数量无关。
在聚类分析中马氏距离一般不是理想的距离。
对某个高速路段行驶过的120辆汽车的车速进行测量后发现，平均车速是85公里／小时，标准差是4公里／小时，下列哪个车速可以看作是异常值？ （) 。
常见的异常检测方法中，（）方法借助K-最近邻聚类分析算法，分析每个进程产生的“文档”，通过判断相似性，发现异常
