SVM算法更适用于稀有事件的分类问题，如客户流失、欺诈侦测等（）

SVM算法主要针对线性可分的情况进行分类分析（）

用户建模就是通过逻辑回归，时间序列等预测算法，SVM，贝叶斯等分类，聚类算法LDA等文本挖掘方法以及欧氏距离，余弦相似度等定义人群的用户画像（）

SVM算法通过搜索最大边缘超平面来实现分类，并期望具有较大边缘的超平面对测试集或未知分类的数据集比具有较小边缘的超平面更准确（）

银行客户洗钱风险分类的指标中的行业因素包括贵金属、稀有矿石或珠宝行业；与武器有关的行业；房地产行业；现金业务等（）

K-Means算法相比系统聚类法更适用于数据量较大，变量较多的情形（）

SVM算法中，核函数的选择不会对结果产生较大的影响，因此可以任意选择核函数。（）

Adaboost算法的核心思想是下一个分类器更关注上一轮分错的样本（）

信用卡疑似欺诈案件是指存在信用卡欺诈风险的事件。（)

车险欺诈按欺诈发生的环节分类包括承保欺诈。（)

SVM是这样一个分类器，它寻找具有最小边缘的超平面，因此它也经常被称为最小边缘分类器（minimalmarginclassifier)（）