《大数据技术概论期末复习题2023-11（附参考答案）.docx》由会员分享，可在线阅读，更多相关《大数据技术概论期末复习题2023-11（附参考答案）.docx（8页珍藏版）》请在课桌文档上搜索。
1、单项选择题1 .下列各项不属于数据的是（）oA.文本B.图像C.视频D.印象2 .下列各项不属于大数据特征的是（）oA体量大B.种类多C真实性D.数据生成慢3 .数据异常值的处理方法不包括（）。A极小值替换B.删除C忽略D.视为缺失值进行填补4 .下列各项不能用于描述数据集中趋势的是（）。A方差B.平均数C中位数D.峰值5 .下列各项不属于HadoOP的特点是（）。A.存储迅速B.成本高C,计算能力强D.灵活性强6 .在工业网络实时监控系统中，需要连续不断地采集和处理数据。以下（）不属于这种计算模式。A.在线处理B.实时处理C.流式计算D.批量计算7 .下面不是研究数据方法的是（）。A.统计学
2、B.机器学习C.心理分析D.数据挖掘8 .下面不属于大数据的处理过程的是（）。A.数据获取B.数据清洗C数据分析D.数据安全9 .下面不属于大数据计算模式的类型的是（）。A.批量计算B.手动计算C.流式计算D,交互式计算10 .下列各项属于合规数据的是（）oA非法收集隐私信息数据B.取得使用者同意的个人资料数据C泄露的隐私信息数据D.垄断数据11 .在HadOOP生态系统中，主要负责节点集群的任务调度和资源分配，将存储和计算资源分配给不同应用程序的组件是（）。A.HDFSB.MapReduceC.YARND.Storm12 .下列属于图数据的主要特性的是（）。A.数据驱动计算B.不规则问题C高
3、数据访问率D.以上均是13 .可以用来查看数值型变量的分布的可视化方法是（）。A.箱线图B.直方图C小提琴图D,以上方法均可以14 .如果只是研究两个数值变量之间的关系，最常见的可视化方法是（）。A.直方图B.散点图C饼图D.折线图15 .下列各项不属于批处理系统的特点的是（）。A.可以实现实时的分析报告或自动响应B.可以实现无缝扩展以处理峰值数据量或数据请求C,支持数据在不同系统之间进行交换D.支持作业执行状态的监控16 .下列各项属于非结构化数据的是（）0A.图像B.二维数据表CHTML文档D.以上均是17 .在大数据的处理流程中，（）步骤是将数据转化为图形，以更直观的方式展示和表达。A存
4、储与管理B.可视化C采集与预处理D.分析与挖掘18 .下列关于异常值的描述中，错误的是（）。A,可以使用箱线图检测异常值B.当异常值的数量不是很多时，可以直接将含有异常值的观测记录删除C,可以将异常值视为缺失值，按处理缺失值的方法处理异常值D.异常值的存在不属于数据质量问题，不会影响模型的预测能力19 .下列各项关于分类的描述中，错误的是（）。A.可以借助分类方法根据电子邮件的标题判断其是否为垃圾邮件B.在进行建模之前就要有明确的分组预测目标C.k近邻算法是一种简单但强大的分类算法D.用来建立分类模型的输入数据称为测试集20 .假设散点图中的观测点分布较为分散,没有任何规律，说明两个变量之间的
5、关系为（）。A.完全线性相关B.线性相关C,非线性相关D.不相关21 .在HadooP生态系统中，主要负责跨节点存储结构化或非结构化数据，并以日志文件的形式管理数据的组件是（）oA.HDFSB.MapReduceC.YARND.Storm22 .下列各项不属于批处理系统的特点的是（）。A.为开发者提供了一个简单、快捷的开发框架B.支持各种数据格式的处理C,支持数据在不同系统之间进行交换D.可以实现实时的分析报告或自动响应23 .为表示一组数据的分布特征，反映数据分布是否对称时，常用的可视化方法是（）。A箱线图B.气泡图C.折线图D.散点图24 .如果要反映某学生在6个学期中每学期平均成绩的变化
6、情况，采用（）可视化方法较为合适。A.饼图B.折线图C散点图D.直方图25 .下列各项属于结构化数据的是（）。A.图像B.二维数据表C声音D.文本26 .在大数据的处理流程中，下列各项中最先进行的是（）。A存储与管理B.可视化C.采集与预处理D.分析与挖掘27 .下列关于缺失值的描述中，错误的是（）。A.缺失值是指数据集中有些变量的一个或多个取值无法获得B.数据缺失的现象大量存在C.回归插补的方法不会改变数据分布D.当缺失数据的记录所占比例在数据集中少于10%时，可以将缺失值直接删除28 .下列各项关于聚类的描述中，错误的是（）。A.可以借助聚类方法进行异常检测B.在进行建模之前就要有明确的分
7、组预测目标C,可以利用聚类分析发现具有相似功能的基因组D.根据数据本身的自然结构对数据进行分组29 .假设散点图中的观测点恰好落在一条直线上，说明两个变量之间的关系为（）。A.完全线性相关B,线性相关C.非线性相关D.不相关30 .下列各项属于数据仓库的特点的是（）。A.数据以主题为导向，提供决策支持B.数据源单一C,数据质量低D.不支持历史数据分析31 .根据原始数据是否为数据的直接来源, A结构化、非结构化和半结构化数据 C观测数据和实验数据32 .大数据5V特征中的Variety表示（A.体量大B.种类多33 .大数据处理流程中的（A数据的采集与预处理 C.数据的可视化C价值大可以将数据
8、分为（）。B.一手数据和二手数据D.截面数据和时间序列数据）。D.数据快）步骤是将数据转化为图形，以更直观的方式展示和表达。B.数据的存储与管理D.数据的分析与挖掘34 .下列各项不属于大数据在银行业的应用的是（）。A.客户分析B.风险管理C运营优化D.疾病预防与治疗35 .数据的整理是根据分析目的对数据格式、形态和结构进行处理，其中（）能够在不损失或损失较少数据本身价值的情况下压缩数据。A数据的聚合B.数据的提取C.数据的连接D.数据的变换36 .关于数据的离散化，下列描述中错误的是（）0A.数据的离散化是指将数据由分类型变量变成数值型变量。B.离散化可以提高大数据处理的效率C.组距分组是常
9、见的离散化方法之一D,离散化可以实现样本量的缩减37 .异常值的处理方法包括（）。A删除B.视为缺失值进行填补C忽略D.以上均是38 .下列关于数据仓库三层架构的描述中，正确的是（）。A顶层由联机分析处理服务器组成B,底层由数据仓库服务器组成C.中间层由前端用户界面表示D.数据在中间层完成加载和存储39 .HDFS的高可用性是指（）oA随着需求的增加，集群可以轻松扩展到更多节点B.实现节点集群上的并行数据处理C,即使集群中的某个节点发生故障，数据仍然可用D.出现故障时，可以从集群中的其他节点获取数据备份40 .下列各项不属于NOSQL数据库的是（）。A关系数据库B.文档数据库C.键值存储数据库
10、D.图形数据库41 .以下可视化图形中，（）是由数据集合中的最大值、最小值、中位数和两个四分位数绘制而成。A.柱形图B.饼图C.箱线图D.直方图42 .以下常用于时间序列数据可视化的方法是（）0A折线图B.直方图C饼图D.箱线图43 .下列关于推断统计学的描述中，错误的是（）oA参数估计是根据样本的统计量来估计总体中的参数B.假设检验可以度量变量之间的相关程度C判别分析是将某个对象归到已知类别中D.时间序列分析是研究时间序列数据变化规律的方法44 .根据概率的原则进行分类的机器学习算法是（）。Ak近邻算法B.决策树C.朴素贝叶斯分类器D.随机森林45 .以下关于关联规则的描述中，错误的是（）0
11、A可以用于预测商品的价格B,可以用于找到商品之间的关联C可以用于购物篮数据分析D.可以用于电商的推荐系统46 .在以二维表形式表示的数据集中，行表示（）oA.特征B.样本C属性D.字段47 .当一个变量可以在一个范围内连续取值时，该变量就是（）oA.定量变量B,定性变量C.属性变量D.分类变量48 .传统的主要基于统计学的分析方法在大数据时代所面临的挑战包括（）oA全体数据，不是随机样本B.放弃数据的精确性，尽可能收集更多数据C.重视相关关系，而不是因果关系D.以上均是49 .以下关于基于关联规则的推荐算法的描述中，正确的是（）0A根据用户对商品或内容的收藏或分享等情况判断用户对该商品的兴趣和
12、偏好程度B.根据用户的基本信息发现用户之间的相似情况，将相似用户喜爱的的其他商品推荐给当前用户C,挖掘不同商品在销售过程中的相关性D.根据商品本身的属性数据，计算商品之间的相似度，再基于用户的历史浏览等信息推荐给用户相似的商品50 .使用PythOn进行网络爬虫获取网页数据时，正确的步骤是（）。A.发送请求-获取内容-解析内容-保存数据B.保存数据-发送请求-获取内容-解析内容C.获取内容-解析内容-发送请求-保存数据D.解析内容-保存数据-获取内容-发送请求51 .在缺失值的处理方法中，（）是利用样本观测之间的相关性来插补缺失值。A均值插补B.回归插补C多重插补Dk近邻算法插补52 .下列关
13、于离散化处理的描述中，错误的是（）oA离散化处理可以提高大数据处理的效率B.在调查问卷中，离散化处理可以得到更高的响应率C数据经过离散化后，可以获得更好的模型解释性D.离散化处理不会影响预测精度53 .气泡图中可以用来展示数据信息的属性包括（）。A.仅横坐标B.仅横坐标和纵坐标C仅横坐标、纵坐标和气泡大小D.横坐标、纵坐标、气泡大小和气泡颜色54 .下列关于数据仓库的特点，描述错误的是（）oA数据以主题为导向，提供决策支持B.关注数据随时间的变化，支持历史数据分析C数据质量高，提供数据一致性和准确性D.数据源和数据类型单一55.HDFS的可扩展性主要体现在（）。A.随着需求的增加，集群可以轻松
14、扩展到更多节点B,即使集群中的某个节点发生故障，数据依然可用C.以分布式方式存储数据，减少处理时间D.确保数据始终可用，防止数据丢失56,下列数据库中，属于文档数据库的是（）oA.RedisB.Neo4jC.HBaseD.MongoDB判断题1.根据数据在收集过程中是否控制有关因素，可以将数据分为观测数据和实验数据。（）2 .时间序列分析中采用对数变换来消除异方差。（）3 .关系型数据库不是用来存储和访问具有彼此相关性数据的数据库。（）4 .气泡图中气泡的面积大小没有实际意义。（）5 .数据科学是通过科学方法探索数据，以获得有价值的发现。（）6 .数据科学的发展不仅可以推动学科的发展，而且能够
15、助推相关产业的发展与进步。（）7 .网页数据是一种半结构化数据。（）8 .在分类方法中，决策树法的结果复杂难懂、可解释性较差。（）9 .MapReduce编程模型的首要步骤是对存储系统中的文件按列处理，并产生键值对。（）10 .MapReduce基于分而治之的算法范式，利用多台计算机完成数据处理（）11 .银行业通过大数据技术可以有效分析经营过程中可能存在的风险因素。012 .数据脱敏技术可以有效降低敏感数据泄露的风险。（）13 .时间序列数据是按时间顺序排列的观测值序列，用于所描述现象随时间变化的情况。（）14 .数据预处理的主要目的是为了提高数据质量，将原始数据变成更加方便计算或处理的格式
16、，使数据形态更加符合建模要求，进而提升数据挖掘的质量和效率。（）15 .数据可视化对于提升数据的理解、分析与推断没有帮助。（）16 .HDFS架构遵循主从结构,主节点称为数据节点,负责接收来自客户端的作业请求。（）17 .通常使用直方图展示两个数值型变量之间的相关关系。（）18 .决策树是一种简单高效的分类模型。（）19 .Excel只能存储数据，无法用于数据分析。（）20 .为防止隐私被窃取，企业和个人可以运用隐私保护技术来保护数据的安全。（）21 .为了避免数据的杂乱无序，通常将数据整理成数据集。（）22 .办公文档、图像、声音和文本都是结构化数据。（）23 .疾病预防和治疗属于大数据在生
17、物医学领域的应用。（）24 .数据缺失的现象大量存在而又无法避免。（）25 .特征选择是指由原始变量的函数构造一些新的变量，新的变量能保留原始变量的绝大部分信息。（）简答题1 .变量的定义是什么？用于刻画观测数据集的特征的量叫做变量。2 .请列举三种常用的电子商务推荐算法。协同过滤推荐算法；基于内容的推荐算法；基于关联规则的推荐算法；基于人口统计的推荐算法。3 .请列举五种常见的数据缺失值插补方法。均值插补；回归插补；随机回归插补；多重插补；K近邻算法插补4 .数据可视化的基本原则包括哪些方面？数据可视化的效果要能准确的表达数据中的信息而不产生偏差或歧义;能够清晰地表达数据中的信息；其设计的可
18、视化图表能够令人赏心悦目。5 .数据的定义是什么？数据是对现象或事物进行测量和记录的结果，可用来制表、计算和分析等，也可以统指一切保存在电脑中的信息，能够进行电子化的记录，包括文本、图像、音频、视频等。6 .大数据的成因是什么？数据的存储和管理能力的增强数据采集能力增强从数据的挖掘和分析等技术的同步发展。7 .数据整理的内容主要包括哪四个方面？数据的提取；数据的连接；数据的聚合；去除冗余和重复。8 .通过相关系数矩阵处理共线性问题的算法步骤是什么？计算相关系数矩阵；确定最大的成对相关系数对应的预测变量A和预测变量B；计算变量A与其他所有变量之间的平均绝对值相关系数，对变量B也做同样的计算；比较
19、A与B,谁的平均绝对值相关系数最大，删除谁；重复以上步骤，直到两两之间绝对值相关系数低于某一特定阈值。9 .定量变量的定义是什么？当一个变量的取值可以在一个范围内连续取值时，该变量就是定量变量。10 .大数据的处理流程主要包括哪5个步骤?数据的采集与预处理；数据的存储与管理；数据的可视化；数据的分析与挖掘；大数据的处理。IL数据离散化的定义是什么？数据的离散化是指将数据由数值型变量变成分类型变量，即将变量的取值由原来的一个区间内连续取值映射到为若干个有限个值。12 .数据可视化的作用是什么？快速获取信息；数据的探索性分析；挖掘数据隐藏的规律。13 .数据分布可视化中，条形图与直方图的区别是什么
20、？条形统计图中，横轴上的数据是孤立的，是一个具体的数据，而直方图中，横轴上的数据是连续的，是一个范围；条形统计图是用条形的高度表示频数的大小，而直方图是用长方形的面积表示频数；条形统计图中，各个数据之间是相对独立的.各个条形之间是有空隙的，而在直方图中，各长方形对应的是一个范围，而在直方图中，长方形之间没有空隙。14 .在具体实施时，聚类分析的四个步骤分别是什么？（1）特征选择或特征抽取（2）聚类算法的设计与选择（3）聚类的效果评估（4）聚类的解释15 .什么是缺失值？如何处理缺失值？缺失值是指在数据集中某一变量的一个或多个观测值未被记录或无法获得的情况。缺失值处理方法众多，常见的方法包括删除缺失值、数据插补或不进行处理。16 .请简述使用kNN算法将未分类的观测或个体划分到跟它最接近的观测所在类别的具体实施步骤。1）选择近邻的数量k和距离度量函数；2）找到与未知样本距离最近的k个训练样本；3）看最相似的k个样本多数是哪一类，就把未知样本划分为哪一类。
