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
B、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
C、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
D、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
答案：A
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
B、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
C、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
D、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
答案：A
A. del
B. pass
C. not
D. string
解析：string是字符串类型
A. 项目发起人
B. 项目经理、数据工程师
C. 客户经理
D. 客户、数据科学家、操作人员
A. cluster
B. constants
C. integrate
D. spatial
A. 特征选择嵌入法
B. 无监督学习
C. 监督学习
D. 特征选择过滤法
A. 只有（1）
B. （2）、（3）
C. （1）、（3）
D. （1）、（2）、（3）
A. 随机误差项是一个期望值为0的随机变量
B. 对于解释变量的所有观测值，随机误差项有相同的方差
C. 随机误差项彼此相关
D. 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
解析：对于随机误差项，要求服从正态分布，不要求彼此相关
A. 监督学习
B. 无监督学习
C. 半监督学习
D. 无监督学习和监督学习的结合
A. 人工神经网络
B. 自动控制
C. 自然语言学习
D. 专家系统
解析：自动控制不属于人工智能应用
A. 实现数据与平台垄断
B. 实现人工智能系统的数据安全
C. 避免数据与平台垄断
D. 建立合理的数据与服务撤销机制
解析：基础概念
