阅读以下文字：假设我们拥有一个已完成训练的、用来解决车辆检测问题的深度神经网络模型，训练所用的数据集由汽车和卡车的照片构成，而训练目标是检测出每种车辆的名称（车辆共有10种类型）。现在想要使用这个模型来解决另外一个问题，问题数据集中仅包含一种车（福特野马）而目标变为定位车辆在照片中的位置。（）

回归分析有很多种类，常见的有（）。

参数估计可以分为（）。

常见的聚类算法有（）。

线性回归的基本假设有哪些？

特征向量的归一化方法有哪些？

相关与线性关系，下列说法正确的是？

我们希望减少数据集中的特征数量。你可以采取以下哪一个步骤来减少特征（）？

数据挖掘的技术可以分为两个大类：（）。

两步聚类的两个主要步骤为（）。

变量之间的关系可以分为两类：一类是（），另一类是（）。