大数据努过清洗是否可以进行数据分析，需要统计脏点出现的概率，如果超过10%的数据都是脏点就失去分析价值了，过高的错误率使得分析结果有可能出现不可原谅的错误。（）

A、数据采集

B、数据统计

C、数据清洗

D、数据预测

A、数据清洗

B、数据归一

C、数据挖掘

D、数据集成

A、丢失修改、不可重复读、读脏数据、死锁

B、不可重复读、读脏数据、死锁

C、丢失修改、读脏数据、死锁

D、丢失修改、不可重复读、读脏数据

A.点（80，180）在回归直线上方

B.点（80，180）在回归直线下方

C.回归直线不一定过点（80，180）

D.回归直线必过点（80，180）

A.丢失修改、不可重复读、读脏数据

B.丢失修改、不可重复读、读脏数据、死锁

C.不可重复读、读脏数据、死锁

D.读脏数据、死锁

在数据库技术中，“脏”数据是指回退的数据。()

A.丢失修改、不可重复读、读脏数据

B.丢失修改、不可重复读、读脏数据、死锁

C.不可重复读、读脏数据、死锁

D.读脏数据、死锁

A.丢失修改、不可重复读、读脏数据、死锁

B.不可重复读、读脏数据、死锁

C.丢失修改、读脏数据、死锁

D.丢失修改、不可重复读、读脏数据

A.更新丢失、不可重复读、读脏数据、死锁

B.不可重复读、读脏数据、死锁

C.更新丢失、读脏数据、死锁

D.不可重复读、读脏数据