下列关于离群点产生的原因不正确的是

A.不可能是人为因素造成的。

B.计算的误差过大或者操作错误所致。

C.数据本身的可变性或弹性所致。

D.可能是被研究现象本身由于受偶然非正常因素的影响而引起的。

A.不可能是人为因素造成的。#B.属性或属性值暂时无法获取，或者获取所付出的代价太大。#C.属性值不存在。在某些情况下，缺失值并不意味着数据有错误，对一些属性来说属性值本身就是不存在的。采集数据的需求发生变化，造成属性集合的变化。#D.忘记填写或对数据理解错误等一些人为因素造成的遗漏，也可能是由于数据采集设备/存储介质/传输媒体的故障等客观因素造成的遗漏。

A.离群点一定是毫无意义的数据点。###SXB###B.噪声（noise）是指属性测量值中包含的随机误差；离群点是样本点，而噪声是属性测量值的误差。###SXB###C.如果数据服从正态分布，在3σ原则下，离群点被定义为：在一组属性值中，与均值（i.e., μ）的 偏差超过三倍标准差（i.e., 3 σ ）的值。###SXB###D.采用箱型图法检测离群点时，通常认为小于下界和大于上界的点都认为是离群点。

A.不可能是人为因素。

B.由于数据采集设备的缺陷或技术水平的限制，而无法得到很精确的测量结果。

C.设备故障或存储介质损坏，使得数据在存储或输出过程中失真。

D.属性命名约定不一致等都现象，从而产生了错误的数据值。

A.利用简单统计量检测法、箱型图检测法、3σ原则检测法可以很容易地检测出任何数据集中的离群点。

B.在时间序列数据中，因为离群点可能会隐藏在数据的趋势性、季节性或者其他变化中，难以被发现

C.对于属性值为非数值型的数据，在离群点的检测过程中需要多加考虑，比如对维度进行预处理等。

D.针对多维数据，离群点的异常特征可能是多个维度的组合，而不是单一维度就能体现的。

A.不可能是人为因素。

B.由于数据采集设备的缺陷或技术水平的限制，而无法得到很精确的测量结果。

C.设备故障或存储介质损坏，使得数据在存储或输出过程中失真。

D.属性命名约定不一致等都现象，从而产生了错误的数据值。

A.基准不重合误差

B.基准重合误差

C.重合误差

D.不重合误差

A.基准不重合误差

B.基准重合误差

C.重合误差

D.不重合误差