第一章第二节
1.“教育不是灌输，而是点燃火焰” 这一思想出自于：苏格拉底。
2.如何学好数据挖掘技术？认真学习幕课视频；充分利用课后阅读材料；勤于动手，实践出真知；主动思考，知其然，知其所以然。
第一章第三节
1.在超市环境中对客户位置轨迹进行记录和分析的主要目的有哪些？对拥挤人群进行预警；优化商场布局；个性化营销。
2. 在实际数据分析工作中，数据类型转换和数据自身的错误是面临的主要挑战之一。正确
3.大数据和传统数据分析相比，核心特征就是数据量大。错误，是数据量，数据类型和数据产生的速度。
第一章第四节
1.理想的数据挖掘工作成果应当：Interesting；useful；hidden。
2.ETL系统主要包括：数据提取；数据转换；数据装载。
第一章第五节
1.分类器在训练样本上的学习误差越低越好。这是错误的，如果误差越小，说明在空间中分类的线越复杂，对于新样本的判断不一定准确。就像一个死读书的人，在面对他没有见过的知识时，不知道是一个道理，因此，也不是越大就越好。
2.混淆矩阵中False Negative的含义是：被错误的分为负类的样本。
3.在ROC分析中，分类器的性能曲线的理想状态是：越靠上越好，AUC趋近于1.
4.以下最有可能涉及代价敏感分类问题的是：银行信用卡评分模型。
5.假设目标客户占人群的5%，现根据用户模型进行打分排序，取1000名潜在客户中排名前10%的客户，发现其中包含25名目标客户，问此模型在10%处的提升度是多少？
解析；假如100个客户，只有八个人对商品感兴趣，传统方法就是打100个电话，才会知道到底是那八个人。用数据分析方法，对用户进行建模，把用户接受产品的可能性算出来，把前百分之十的用户拿出来，其中可能占了真实感兴趣的百分之四十的用户，百分之四十除以百分之十，就是四，也就是所谓的提升度。
这道题：目标客户占人群百分之五，则目标客户=1000*0.05=50
前百分之十中真实目标客户占比为：25/50=0.5
提升度= 0.5/0.1=5
来源：CSDN
作者：爱学习的小邋遢
链接：https://blog.csdn.net/weixin_41927456/article/details/104696061