中心极限定理告诉我们，当样本量足够大时，样本均值的分布围绕总体均值呈现（）。

A. 监督学习$;$无监督学习$;$半监督学习$;$无监督学习和监督学习的结合

A. 正值$;$负值$;$非负值$;$非正值

A. K均值丢弃被它识别为噪声的对象，而DBSCAN一般聚类所有对象$;$K均值使用簇的基于原型的概念，而DBSCAN使用基于密度的概念$;$K均值很难处理非球形的簇和不同大小的簇，DBSCAN可以处理不同大小和不同形状的簇$;$K均值可以发现不是明显分离的簇，即便簇有重叠也可以发现，但是DBSCAN会合并有重叠的簇

A. 频繁模式挖掘$;$分类和预测$;$数据预处理$;$数据流挖掘

A. 确定设计方法$;$定义系统框架$;$软件代码实现$;$风险管理

A. 用户画像$;$数据模型$;$用户标签$;$用户场景

A. 随机误差项是一个期望值为0的随机变量$;$对于解释变量的所有观测值，随机误差项有相同的方差$;$随机误差项彼此相关$;$解释变量是确定性变量不是随机变量，与随机误差项之间相互独立