大數據工程技術人員初級[復制]判斷題

（×）1.切片是指維的位置互換。

（×）2.旋轉是指選擇維中特定區間的數據或者某批特定值進行分析。

（√）3.RFM模型的F值越大表示客戶交易越頻繁。

（√）4.多維數據模型是從多角度多層次進行數據查詢和分析的的數據庫模型。

（√）5.RFM模型是根據客戶活躍程度和交易金額的貢獻，進行客戶價值細分的方法。

（√）6.數據可視化的本質就是借助于圖形等各種手段，清晰有效地傳達與溝通信息。

（×）7.在可視化圖形中，應該盡量使用3D圖形，因為更加立體好看！

（×）8.數據墨水比的比值越低，說明圖表中越多的視覺編碼被用于傳遞真正的信息，而不是出現冗余，或者用于描述一些其他的東西。

（√）9.格式塔原則的核心是整體決定部分的性質，部分依從于整體？

（√）10.本質上，可視化是一個抽象的過程，是把數據映射到了幾何圖形和顏色上。從技術角度看，這很容易做到。難點在于，要知道什么形狀和顏色是最合適的、畫在哪里以及畫多大。

（√）11.數據可視化，是關于數據視覺表現形式的科學技術研究。

（√）12.MAP軟件和Tableau軟件，都屬于無需編程語言的可視化工具。

（√）13.散點圖既可以展示數值分布又可以表示數據之間的關聯。（）

（√）14.箱線圖中箱子的上下限，分別是數據的上四分位數和下四分位數。這意味著箱子包含了50%的數據。

（×）15.餅圖不足在于分類過多，則扇形越大，無法展現圖表

（√）16.熱力圖，也可以稱為熱圖、熱量表、密度表，主要用于展示數據的分布情況。

（√）17.柱狀圖的局限在于它僅適用于中小規模的數據集，當數據較多時就不易分辨。

（√）18.方差是總體各標志值與其算數平均數的離差的平方和的算數平均數。

（×）19.方差和標準差在離散趨勢中表達的內容完全相同。

（√）20.分位數可以用來描述離散程度，最常用的是四分位數。

單項選擇題1.大數據的本質是（）。[單選題]*A.洞察B.搜集C.聯系D.挖掘(正確答案)2.網絡安全與信息化領導小組成立的時間是:（）[單選題]*A.2015B.2012C.2013D.2014(正確答案)3.智能健康手環的應用開發，體現了（）的數據采集技術的應用。[單選題]*A.統計報表B.網絡爬蟲C.API接口D.傳感器(正確答案)4.分析顧客消費行業，以便有針對性的向其推薦感興趣的服務，屬于（）問題。[單選題]*A.關聯規則挖掘(正確答案)B.分類與回歸C.聚類分析D.時序預測5.企業在面向客戶制定運營策略和營銷策略時，希望能針對不同客戶推行不同策略，即希望對客戶群體進行細分，這個問題屬于（）[單選題]*A.關聯規則挖掘B.回歸問題C.聚類分析(正確答案)D.時序預測6.對本月股票走勢進行預測，屬于（）[單選題]*A.關聯規則挖掘B.回歸問題C.聚類分析D.時序預測(正確答案)7.如果規則集R中不存在兩條規則被同一條記錄觸發，則稱規則集R中的規則為（）。[單選題]*A.無序規則B.窮舉規則C.互斥規則(正確答案)D.有序規則8.支撐大數據業務的基礎是（）。[單選題]*A.數據科學B.數據應用C.數據硬件D.數據人才(正確答案)9.以下關于Python用于數據分析的包，說法錯誤的是（）[單選題]*A.seaborn是用于作統計圖的包B.sklearn是用于進行機器學習的包C.Tensorflow是進行深度學習的包D.numpy是python環境自帶的包，不需要用pip命令安裝(正確答案)10.以下關于數據分析平臺，說法正確的是（）[單選題]*A.Python常用的數據分析平臺是JupyterNotebook.B.Python環境下安裝外來包的命令是install(正確答案)C.JupyterNotebook是一個交互式的數據分析平臺。D.JupyterNotebook是一個基于解釋器的運行環境。11.以下不屬于數據分析任務的是（）[單選題]*A.用網絡爬蟲爬取數據B.用一個特定值將數據集中的缺失數據填充C.清理電腦里的垃圾數據(正確答案)D.作圖探索和選擇合適的數據分析方法12.下列國家的大數據發展行動中，集中體現“重視基礎、首都先行”的國家是（）。[單選題]*A.美國B.日本C.中國D.韓國(正確答案)13.關于相關分析，以下說法錯誤的是（）[單選題]*A.相關系數的取值在-1到+1之間。B.相關系數取值為負數，表示兩列數據之間不相關。(正確答案)C.相關系數取值為0，表示兩列數據之間不相關。D.可以用熱圖來表現數據集的相關系數矩陣。14.一般情況下，（）越高，說明有更多的正類樣本被模型預測正確，模型的效果越好。[單選題]*A.查準率B.錯誤發現率C.召回率Truepositiverate(TPR,Recall)(正確答案)D.陰性預測值15.數據倉庫的最終目的是（）。[單選題]*A.收集業務需求B.建立數學模型的需要C.改寫各種算法的需要D.為用戶和業務部門提供決策支持(正確答案)16.數據挖掘常見的工具或算法，不包括（）。[單選題]*A.聚類B.分類C.排序(正確答案)D.預測17.衡量某一關聯規則有兩個指標：關聯規則的支持度（support）和（）。[單選題]*A.準確度B.精密度C.置信度(正確答案)D.精確度18.（）是均方誤差的算術平方根。[單選題]*A.標準差（SD，StandardDeviation）B.平均絕對誤差（MAE，MeanAbsoluteError）C.均方根誤差（RMSE,RootMeanSquareError）(正確答案)D.均方誤差（MSE，MeanSquaredError）19.在（）關聯規則中，只涉及數據的一個維度，即處理單個屬性中的關系。[單選題]*A.單維(正確答案)B.多維C.單因素D.多因素20.云計算是對（）技術的發展與運用[單選題]*A.并行計算B.網絡計算C.分布式計算D.三個選項都是(正確答案)21.以下做法錯誤的是:（）[單選題]*A.涉密存儲介質淘汰、報廢時，可以當作廢品出售(正確答案)B.從互聯網上下載資料應采用單向導入方式以確保安全C.用于聯接互聯網的計算機，任何情況下不得處理涉密信息D.嚴禁在聯接互聯網計算機與內部計算機之間混用優盤等移動存儲介質22.國務院辦公廳是在（）印發的《關于促進和規范健康醫療大數據應用發展的指導意見》？[單選題]*A.2014年B.2015年C.2013年D.2016年(正確答案)23.數據清洗的方法不包括（）。[單選題]*A.缺失值處理B.噪聲數據清除C.一致性檢查D.重復數據記錄處理(正確答案)24.關于人工神經網絡，以下說法錯誤的是（）[單選題]*A.人工神經元是人工神經網絡處理信息的基本單元。B.Relu是一種激活函數C.人工神經網絡是解決聚類問題的算法。(正確答案)D.BP算法是一種典型的人工神經網絡算法。25.可以用來表示時間變化趨勢的可視化手段是（）[單選題]*A.折線圖(正確答案)B.餅圖C.條形圖D.馬賽克圖26.（）是在沒有給定劃分類的情況下，根據信息相似度進行操作的一種方法，因此又稱為無指導的學習。[單選題]*A.回歸B.聚類(正確答案)C.分類D.關聯規則27.下列關于計算機存儲容量單位的說法中，錯誤的是（）。[單選題]*A.1KB＜1MB＜1GBB.基本單位是字節（Byte）C.一個漢字需要一個字節的存儲空間(正確答案)D.一個字節能夠容納一個英文字符28.以下關于回歸分析，說法正確的是（）[單選題]*A.線性回歸也叫作Logistic回歸。B.回歸和分類問題是同一類問題，預測的結果都是離散值。C.回歸診斷的作用是幫助評價回歸模型的好壞。(正確答案)D.回歸屬于無監督學習算法。29.下列關于箱線圖的描述中，正確的是（）[單選題]*A.箱線圖是用來表現離散數據分布的統計圖。B.箱線圖中可以反映出一組數據的平均數。C.箱線圖中可以表現出缺失值。D.箱線圖中可以表現數據的分布狀況。(正確答案)30.根據資料顯示，以下哪項不屬于數據挖掘的內容（）？[單選題]*A.建立道路擁堵概率與擁堵趨勢變化模型B.多維分析統計用戶出行規律C.微軟開發的Windows10操作系統(正確答案)D.補充與完善路網屬性31.阿蘭?圖靈在哪一年提出圖靈測試的概念（）。[單選題]*A.1952年B.1954年C.1950年(正確答案)D.1955年32.假設屬性income的最大最小值分別是12000元和98000元。利用最大最小規范化的方法將屬性的值映射到0至1的范圍內。對屬性income的73600元將被轉化為（）。[單選題]*A.0.821B.1.22C.1.58D.0.716(正確答案)33.關于回歸分析，以下說法錯誤的是（）[單選題]*A.邏輯回歸是線性回歸的加強版本，一定能夠改進線性回歸的性能。B.回歸診斷不是回歸分析必須進行的工作。C.回歸分析可以用來進行預測新的數據。(正確答案)D.邏輯回歸的輸出結果是一個連續數據。34.ARIMA（p，d，q）稱為差分自回歸移動平均模型，P是（）。[單選題]*A.自回歸項(正確答案)B.移動平均C.時間序列成為平穩時所做的差分次數D.移動平均項數35.下列錯誤的是（）。[單選題]*A.由于網絡是虛擬世界,所以在網上不需要保護個人的隱私(正確答案)B.雖然網絡世界不同于現實世界,但也需要保護個人隱私C.網絡時代,隱私權的保護受到較大沖擊D.可以借助法律來保護網絡隱私權36.在保護個人隱私方面，吳軍博士并沒有提到以下哪種方法（）？[單選題]*A.法律的方法B.技術的方法C.文化的方法(正確答案)D.雙向監督的方法37.下列關于舍恩伯格對大數據特點的說法中，錯誤的是（）。[單選題]*A.數據規模大B.數據類型多樣C.數據處理速度快D.數據價值密度高(正確答案)38.假設12個銷售價格記錄組已經排序如下5,10,11,13,15,35,50,55,72,92,204,215使用如下每種方法將它們劃分成四個箱。等頻（等深）劃分時，15在第幾個箱子內（）。[單選題]*A.第一個B.第二個(正確答案)C.第三個D.第四個39.2012年全國各城市支付寶人均支出排名中，位居第一位的是（）[單選題]*A.嘉興市B.杭州市C.嘉義市(正確答案)D.高雄市40.以下大數據分析的實際問題，能夠應用聚類方法建模的是（）[單選題]*A.財政收入影響因素分析B.航空公司客戶價值分析(正確答案)C.商品零售購物籃分析D.門禁的人臉識別系統41.如果對屬性值的任一組合，R中都存在一條規則加以覆蓋，則稱規則集R中的規則為（）。[單選題]*A.無序規則B.窮舉規則(正確答案)C.互斥規則D.有序規則42.關于大數據在社會綜合治理中的作用，以下理解不正確的是（）。[單選題]*A.大數據的運用有利于走群眾路線B.大數據的運用能夠維護社會治安C.大數據的運用能夠杜絕抗生素的濫用(正確答案)D.大數據的運用能夠加強交通管理43.標準偏差（SD，StandardDeviation）越小，這些值偏離平均值就越少。所以，標準差能反映一個數據集的（）。[單選題]*A.平穩程度B.變化程度C.精密程度D.離散程度(正確答案)44.概念分層圖是（）圖。[單選題]*A.無向無環B.有向無環(正確答案)C.有向有環D.無向有環45.在基于圖的簇評估度量表里面，如果簇度量為proximity(Ci,C)，簇權值為mi，那么它的類型是（）。[單選題]*A.基于圖的凝聚度B.基于原型的凝聚度C.基于原型的分離度(正確答案)D.基于圖的凝聚度和分離度46.活字印刷術是由（）發明的。[單選題]*A.商鞅B.魯班C.蔡倫D.畢昇(正確答案)47.使用交互式的和可視化的技術，對數據進行探索屬于數據挖掘的哪一類任務（）？[單選題]*A.探索性數據分析(正確答案)B.建模描述C.預測建模D.尋找模式和規則48.（）年，部分計算機專家首次提出大數據概念。[單選題]*A.2010B.2011C.2006D.2008(正確答案)49.算法不屬于聚類算法的是（）。[單選題]*A.K-Means算法B.K-中心算法C.Apriori算法(正確答案)D.CLIOUE算法50.習近平總書記曾指出，沒有（）就沒有國家安全，沒有信息化就沒有現代化。[單選題]*A.網絡安全(正確答案)B.信息安全C.基礎網絡D.互聯網51.“（）大數據交易所”2015年4月14日正式運營，目前，交易所已有包括京東、華為、阿里巴巴等超過300家會員企業，交易總金額突破6000萬元。[單選題]*A.貴陽(正確答案)B.遵義C.畢節D.安順52.ABC分類中暢銷的、庫存周轉率高的高價值商品為（）[單選題]*A.B類B.C類C.A類(正確答案)D.都不屬于53.下列關于網絡用戶行為的說法中，錯誤的是（）。[單選題]*A.網絡公司能夠捕捉到用戶在其網站上的所有行為B.用戶離散的交互痕跡能夠為企業提升服務質量提供參考C.數字軌跡用完即自動刪除(正確答案)D.用戶的隱私安全很難得以規范保護54.一切皆可連，任何數據之間邏輯上都有可能存在聯系，這體現了大數據思維中的（）。[單選題]*A.定量思維B.相關思維(正確答案)C.因果思維D.實驗思維55.以下指標和分類算法性能無關的是（）。[單選題]*A.平均絕對誤差MAE(正確答案)B.均方誤差MSEC.殘差ResidualD.均方根誤差RMSE56.可視化模型有助于理解可視化的具體過程，常用的可視化模型不包括（）。[單選題]*A.循環模型B.分析模型C.遞進模型(正確答案)D.順序模型57.數據挖掘的經典案例“啤酒與尿布試驗”最主要是應用了（）數據挖掘方法。[單選題]*A.分類B.預測C.關聯規則(正確答案)D.聚類58.下面關于Jarvis－Patrick（JP）聚類算法的說法不正確的是（）。[單選題]*A.JP聚類擅長處理噪聲和離群點，并且能夠處理不同大小、形狀和密度的簇。B.JP算法對高維數據效果良好，尤其擅長發現強相關對象的緊致簇。C.JP聚類是基于SNN相似度的概念。D.JP聚類的基本時間復雜度為O(m)。(正確答案)59.數據挖掘是一個交叉學科，但是，下列哪一個領域的研究成果和學術思想，不是數據挖掘的主要學科來源（）。[單選題]*A.統計分析B.人應工程(正確答案)C.機器學習D.人工智能60.商品分析中的重點商品選擇可以借助（）方法[單選題]*A.回歸分析B.相關分析C.漏斗分析D.ABC分類(正確答案)61.大數據的價值是通過數據共享、（）后獲取最大的數據價值[單選題]*A.算法共享B.應用共享C.平臺共享D.交叉復用(正確答案)62.下列國家的大數據發展行動中，集中體現“重視基礎、首都先行”的國家是（）。[單選題]*A.美國B.日本C.中國D.韓國(正確答案)63.根據數據專家所講，高德交通報告針對全國（）個城市交通狀態進行挖掘分析。[單選題]*A.21B.30C.25D.38(正確答案)64.下面關于數據粒度的描述不正確的是（）。[單選題]*A.粒度是指數據倉庫小數據單元的詳細程度和級別B.數據越詳細，粒度就越小，級別也就越高C.數據綜合度越高，粒度也就越大，級別也就越高(正確答案)D.粒度的具體劃分將直接影響數據倉庫中的數據量以及查詢質量65.平均停留時長和跳失率都是（）的分析內容[單選題]*A.交易分析B.流量分析(正確答案)C.訪客分析D.商品分析66.目前有多種成熟的知識可視化工具，下面（）不屬于這類可視化工具。[單選題]*A.概念圖B.思維導圖C.認知地圖D.趨勢圖(正確答案)67.雷達圖適用于（）數據，且每個維度必須可以排序。[單選題]*A.一維B.二維C.三維D.多維(正確答案)68.下列四項中，不屬于數據庫特點的是（）。[單選題]*A.數據共享B.數據完整性C.數據冗余很高(正確答案)D.數據獨立性高69.（）是位于用戶與操作系統之間的一層數據管理軟件，它屬于系統軟件，它為用戶或應用程序提供訪問數據庫的方法。數據庫在建立、使用和維護時由其統一管理、統一控制。[單選題]*A.DBMS(正確答案)B.DBC.DBSD.DBA70.在SQL中，建立表用的命令是（）。[單選題]*A.CREATE?SCHEMAB.CREATE?TABLE(正確答案)C.CREATE?VIEWD.CREATE?INDEX71.SQL的視圖是從（）中導出的。[單選題]*A.基本表B.視圖C.基本表或視圖(正確答案)D.數據庫72.下列哪個不是sql數據庫文件的后綴（）。[單選題]*A..mdfB..ldfC..tif(正確答案)D..ndf73.數據定義語言的縮寫詞為（）。[單選題]*A.DDL(正確答案)B.DCLC.DMLD.DBL74.目前（）數據庫系統已逐漸淘汰了網狀數據庫和層次數據庫，成為當今最為流行的商用數據庫系統。[單選題]*A.關系(正確答案)B.面向對象C.分布D.面向應用75.下列關于舍恩伯格對大數據特點的說法中，錯誤的是（）。[單選題]*A.數據規模大B.數據類型多樣C.數據處理速度快D.數據價值密度高(正確答案)76.流量質量評估采用（）作為衡量流量有效性的宏觀指標[單選題]*A.訪客數B.轉化率(正確答案)C.瀏覽量D.瀏覽時長77.據WardMO(2010)的研究，超過（）的人腦功能用于視覺信息的處理，視覺信息處理是人腦的最主要功能之一。[單選題]*A.30%B.50%(正確答案)C.70%D.40%78.當前，市場上已經出現了眾多的數據可視化軟件和工具，下面工具不是大數據可視化工具的是(

)。[單選題]*A.TableauB.DatawatchC.PlatforaD.Photoshop(正確答案)79.數據挖掘常見的工具或算法，不包括（）。[單選題]*A.聚類B.分類C.排序(正確答案)D.預測80.從宏觀角度看，數據可視化的功能不包括（）。[單選題]*A.信息記錄B.信息的推理分析C.信息清洗(正確答案)D.信息傳播1.切片是指維的位置互換。[判斷題]*對錯(正確答案)2.旋轉是指選擇維中特定區間的數據或者某批特定值進行分析。[判斷題]*對錯(正確答案)3.RFM模型的F值越大表示客戶交易越頻繁。[判斷題]*對(正確答案)錯4.多維數據模型是從多角度多層次進行數據查詢和分析的的數據庫模型。[判斷題]*對(正確答案)錯5.RFM模型是根據客戶活躍程度和交易金額的貢獻，進行客戶價值細分的方法。[判斷題]*對(正確答案)錯6.數據可視化的本質就是借助于圖形等各種手段，清晰有效地傳達與溝通信息。[判斷題]*對(正確答案)錯7.在可視化圖形中，應該盡量使用3D圖形，因為更加立體好看！[判斷題]*對錯(正確答案)8.數據墨水比的比值越低，說明圖表中越多的視覺編碼被用于傳遞真正的信息，而不是出現冗余，或者用于描述一些其他的東西[判斷題]*對錯(正確答案)9.格式塔原則的核心是整體決定部分的性質，部分依從于整體？[判斷題]*對(正確答案)錯10.本質上，可視化是一個抽象的過程，是把數據映射到了幾何圖形和顏色上。從技術角度看，這很容易做到。難點在于，要知道什么形狀和顏色是最合適的、畫在哪里以及畫多大。[判斷題]*對(正確答案)錯11.數據可視化，是關于數據視覺表現形式的科學技術研究。[判斷題]*對(正確答案)錯12.MAP軟件和Tableau軟件，都屬于無需編程語言的可視化工具。[判斷題]*對(正確答案)錯標題[判斷題]*對(正確答案)錯13.散點圖既可以展示數值分布又可以表示數據之間的關聯。[判斷題]*對(正確答案)錯14.箱線圖中箱子的上下限，分別是數據的上四分位數和下四分位數。這意味著箱子包含了50%的數據。[判斷題]*對(正確答案)錯15.餅圖不足在于分類過多，則扇形越大，無法展現圖表[判斷題]*對錯(正確答案)16.熱力圖，也可以稱為熱圖、熱量表、密度表，主要用于展示數據的分布情況。[判斷題]*對(正確答案)錯17.柱狀圖的局限在于它僅適用于中小規模的數據集，當數據較多時就不易分辨。[判斷題]*對(正確答案)錯18.方差是總體各標志值與其算數平均數的離差的平方和的算數平均數。[判斷題]*對(正確答案)錯19.方差和標準差在離散趨勢中表達的內容完全相同。[判斷題]*對錯(正確答案)20.分位數可以用來描述離散程度，最常用的是四分位數。[判斷題]*對(正確答案)錯1、根據大數據分析與挖掘課程數據中的數據探索性分析，請使用合適工具，合適方法完成下述分析內容：[填空題]*_________________________________答案解析：（1）簡述數據探索性分析的基本步驟。

數據探索性分析，首先需要確定數據的類別，是數值型數據還是類別數據。

對于類別數據，一般需要看類別數據各取值的頻數分布，可以采用直方圖或者餅圖。

對于數值型數據，如果需要看數據的分布，可以采用箱線圖、直方圖；如果需要看數據兩兩之間的相關性，可以采用相關函數corr()，用熱圖展現兩兩之間的相關系數，或者用散點圖矩陣展現兩兩之間的相關性。

對于時間序列數據，可以用折線圖展現數據隨時間而變化的趨勢。

（2）至少羅列三種常用可視化分析工具，并說明個工具使用場合。

條形圖：用于展現類別數據的頻數分布。

餅圖：用于展現類別數據的頻數分布。

直方圖：用于展現數值數據的分布情況。

散點圖：用于展現兩列數值數據的分布情況和關聯情況。

折線圖：用于展現時間序列數據隨時間變化的趨勢。

（3）對上述三種工具列出關鍵代碼？

條形圖：plt.bar(x,y)

餅圖：plt.pie(x)

直方圖：plt.hist(x)

散點圖：plt.scatter(x,y)

折線圖：plt.plot(x,y)2、什么異常值分析？箱形圖在識別異常值方面有什么優越性？[填空題]*_________________________________答案解析：1）異常值是指樣本中的個別值，其數值明顯偏離其余的觀測值。異常值也稱為離群點，異常值的分析也稱為離群點的分析。

2）異常值分析是檢驗數據是否有異常值。忽視異常值的存在是十分危險的，不加剔除地把異常值包括進數據的計算分析過程中，對結果會帶來不良影響；重視異常值的出現，分析其產生的原因，常常成為發現問題進而改進決策的契機。

3）箱形圖依據實際數據繪制，不需要事先假定數據服從特定的分布形式，沒有對數據作任何限制性要求，它只是真實直觀地表現數據分布的本來面貌；另一方面，箱形圖判斷異常值的標準以四分位數和四分位距為基礎，四分位數具有一定的魯棒性：多達25%的數據可以變得任意遠而不會很大地擾動四分位數，所以異常值不能對這個標準施加影響，箱形圖識別異常值的結果比較客觀。由此可見，箱形圖在識別異常值方面有一定的優越性。3、某公司采用信息化系統對經營活動進行管理，建立如下數據表的語句如下：

dropdatabaseifexistsemps;

createdatabaseemps;

useemps;

createtableemp(

EMPNOINT,--員工號

ENAMEVARCHAR(10),--員工姓名

JOBVARCHAR(9),--工作崗位

MGRint,--經理的員工號，外鍵

HIREDATEdate,--入職時間

SALdouble,--底薪

COMMdouble,--提成

DEPTNOint,--部門編號

primarykey(EMPNO)

);

CREATETABLEdept(

DEPTNOint,--部門編號

DNAMEvar