單項選擇題1.下列各項不屬于數(shù)據(jù)的是（）。A.文本B.圖像C.視頻D.印象2.下列各項不屬于大數(shù)據(jù)特征的是（）。A.體量大B.種類多C.真實性D.數(shù)據(jù)生成慢3.數(shù)據(jù)異常值的處理方法不包括（）。A.極小值替換B.刪除C.忽略D.視為缺失值進行填補4.下列各項不能用于描述數(shù)據(jù)集中趨勢的是（）。A.方差B.平均數(shù)C.中位數(shù)D.峰值5.下列各項不屬于Hadoop的特點是（）。A.存儲迅速B.成本高C.計算能力強D.靈活性強6.在工業(yè)網(wǎng)絡(luò)實時監(jiān)控系統(tǒng)中，需要連續(xù)不斷地采集和處理數(shù)據(jù)。以下（）不屬于這種計算模式。A.在線處理 B.實時處理 C.流式計算 D.批量計算7.下面不是研究數(shù)據(jù)方法的是（）。A.統(tǒng)計學(xué)B.機器學(xué)習(xí)C.心理分析D.數(shù)據(jù)挖掘8.下面不屬于大數(shù)據(jù)的處理過程的是（）。A.數(shù)據(jù)獲取B.數(shù)據(jù)清洗C.數(shù)據(jù)分析D.數(shù)據(jù)安全9.下面不屬于大數(shù)據(jù)計算模式的類型的是（）。A.批量計算B.手動計算C.流式計算D.交互式計算10.下列各項屬于合規(guī)數(shù)據(jù)的是（）。A.非法收集隱私信息數(shù)據(jù)B.取得使用者同意的個人資料數(shù)據(jù)C.泄露的隱私信息數(shù)據(jù)D.壟斷數(shù)據(jù)11.在Hadoop生態(tài)系統(tǒng)中，主要負責(zé)節(jié)點集群的任務(wù)調(diào)度和資源分配，將存儲和計算資源分配給不同應(yīng)用程序的組件是（）。A.HDFSB.MapReduceC.YARND.Storm12.下列屬于圖數(shù)據(jù)的主要特性的是（）。A.數(shù)據(jù)驅(qū)動計算B.不規(guī)則問題C.高數(shù)據(jù)訪問率D.以上均是13.可以用來查看數(shù)值型變量的分布的可視化方法是（）。A.箱線圖B.直方圖C.小提琴圖D.以上方法均可以14.如果只是研究兩個數(shù)值變量之間的關(guān)系，最常見的可視化方法是（）。A.直方圖B.散點圖C.餅圖D.折線圖15.下列各項不屬于批處理系統(tǒng)的特點的是（）。A.可以實現(xiàn)實時的分析報告或自動響應(yīng)B.可以實現(xiàn)無縫擴展以處理峰值數(shù)據(jù)量或數(shù)據(jù)請求C.支持數(shù)據(jù)在不同系統(tǒng)之間進行交換D.支持作業(yè)執(zhí)行狀態(tài)的監(jiān)控16.下列各項屬于非結(jié)構(gòu)化數(shù)據(jù)的是（）。A.圖像 B.二維數(shù)據(jù)表 C.HTML文檔D.以上均是17.在大數(shù)據(jù)的處理流程中，（）步驟是將數(shù)據(jù)轉(zhuǎn)化為圖形，以更直觀的方式展示和表達。A.存儲與管理B.可視化C.采集與預(yù)處理D.分析與挖掘18.下列關(guān)于異常值的描述中，錯誤的是（）。A. 可以使用箱線圖檢測異常值B. 當(dāng)異常值的數(shù)量不是很多時，可以直接將含有異常值的觀測記錄刪除C. 可以將異常值視為缺失值，按處理缺失值的方法處理異常值D. 異常值的存在不屬于數(shù)據(jù)質(zhì)量問題，不會影響模型的預(yù)測能力19.下列各項關(guān)于分類的描述中，錯誤的是（）。A.可以借助分類方法根據(jù)電子郵件的標題判斷其是否為垃圾郵件B.在進行建模之前就要有明確的分組預(yù)測目標C.k近鄰算法是一種簡單但強大的分類算法D.用來建立分類模型的輸入數(shù)據(jù)稱為測試集20.假設(shè)散點圖中的觀測點分布較為分散，沒有任何規(guī)律，說明兩個變量之間的關(guān)系為（）。A.完全線性相關(guān)B.線性相關(guān)C.非線性相關(guān)D.不相關(guān)21.在Hadoop生態(tài)系統(tǒng)中，主要負責(zé)跨節(jié)點存儲結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)，并以日志文件的形式管理數(shù)據(jù)的組件是（）。A.HDFSB.MapReduceC.YARND.Storm22.下列各項不屬于批處理系統(tǒng)的特點的是（）。A.為開發(fā)者提供了一個簡單、快捷的開發(fā)框架B.支持各種數(shù)據(jù)格式的處理C.支持數(shù)據(jù)在不同系統(tǒng)之間進行交換D.可以實現(xiàn)實時的分析報告或自動響應(yīng)23.為表示一組數(shù)據(jù)的分布特征，反映數(shù)據(jù)分布是否對稱時，常用的可視化方法是（）。A.箱線圖B.氣泡圖C.折線圖D.散點圖24.如果要反映某學(xué)生在6個學(xué)期中每學(xué)期平均成績的變化情況，采用（）可視化方法較為合適。A.餅圖 B.折線圖 C.散點圖 D.直方圖25.下列各項屬于結(jié)構(gòu)化數(shù)據(jù)的是（）。A.圖像 B.二維數(shù)據(jù)表 C.聲音 D.文本26.在大數(shù)據(jù)的處理流程中，下列各項中最先進行的是（）。A.存儲與管理B.可視化C.采集與預(yù)處理D.分析與挖掘27.下列關(guān)于缺失值的描述中，錯誤的是（）。A. 缺失值是指數(shù)據(jù)集中有些變量的一個或多個取值無法獲得B. 數(shù)據(jù)缺失的現(xiàn)象大量存在C. 回歸插補的方法不會改變數(shù)據(jù)分布D. 當(dāng)缺失數(shù)據(jù)的記錄所占比例在數(shù)據(jù)集中少于10%時，可以將缺失值直接刪除28.下列各項關(guān)于聚類的描述中，錯誤的是（）。A.可以借助聚類方法進行異常檢測B.在進行建模之前就要有明確的分組預(yù)測目標C.可以利用聚類分析發(fā)現(xiàn)具有相似功能的基因組D.根據(jù)數(shù)據(jù)本身的自然結(jié)構(gòu)對數(shù)據(jù)進行分組29.假設(shè)散點圖中的觀測點恰好落在一條直線上，說明兩個變量之間的關(guān)系為（）。A.完全線性相關(guān)B.線性相關(guān)C.非線性相關(guān)D.不相關(guān)30.下列各項屬于數(shù)據(jù)倉庫的特點的是（）。A.數(shù)據(jù)以主題為導(dǎo)向，提供決策支持B.數(shù)據(jù)源單一C.數(shù)據(jù)質(zhì)量低D.不支持歷史數(shù)據(jù)分析31.根據(jù)原始數(shù)據(jù)是否為數(shù)據(jù)的直接來源，可以將數(shù)據(jù)分為（）。A.結(jié)構(gòu)化、非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)B.一手數(shù)據(jù)和二手數(shù)據(jù)C.觀測數(shù)據(jù)和實驗數(shù)據(jù)D.截面數(shù)據(jù)和時間序列數(shù)據(jù)32.大數(shù)據(jù)5V特征中的Variety表示（）。A.體量大B.種類多C.價值大D.數(shù)據(jù)快33.大數(shù)據(jù)處理流程中的（）步驟是將數(shù)據(jù)轉(zhuǎn)化為圖形，以更直觀的方式展示和表達。A.數(shù)據(jù)的采集與預(yù)處理B.數(shù)據(jù)的存儲與管理C.數(shù)據(jù)的可視化D.數(shù)據(jù)的分析與挖掘34.下列各項不屬于大數(shù)據(jù)在銀行業(yè)的應(yīng)用的是（）。A.客戶分析B.風(fēng)險管理C.運營優(yōu)化D.疾病預(yù)防與治療35.數(shù)據(jù)的整理是根據(jù)分析目的對數(shù)據(jù)格式、形態(tài)和結(jié)構(gòu)進行處理，其中（）能夠在不損失或損失較少數(shù)據(jù)本身價值的情況下壓縮數(shù)據(jù)。A.數(shù)據(jù)的聚合B.數(shù)據(jù)的提取C.數(shù)據(jù)的連接D.數(shù)據(jù)的變換36.關(guān)于數(shù)據(jù)的離散化，下列描述中錯誤的是（）。A.數(shù)據(jù)的離散化是指將數(shù)據(jù)由分類型變量變成數(shù)值型變量。 B.離散化可以提高大數(shù)據(jù)處理的效率 C.組距分組是常見的離散化方法之一D.離散化可以實現(xiàn)樣本量的縮減37.異常值的處理方法包括（）。A.刪除B.視為缺失值進行填補C.忽略D.以上均是38.下列關(guān)于數(shù)據(jù)倉庫三層架構(gòu)的描述中，正確的是（）。A.頂層由聯(lián)機分析處理服務(wù)器組成B.底層由數(shù)據(jù)倉庫服務(wù)器組成C.中間層由前端用戶界面表示D.數(shù)據(jù)在中間層完成加載和存儲39.HDFS的高可用性是指（）。A.隨著需求的增加，集群可以輕松擴展到更多節(jié)點B.實現(xiàn)節(jié)點集群上的并行數(shù)據(jù)處理C.即使集群中的某個節(jié)點發(fā)生故障，數(shù)據(jù)仍然可用D.出現(xiàn)故障時，可以從集群中的其他節(jié)點獲取數(shù)據(jù)備份40.下列各項不屬于NoSQL數(shù)據(jù)庫的是（）。A.關(guān)系數(shù)據(jù)庫B.文檔數(shù)據(jù)庫C.鍵值存儲數(shù)據(jù)庫D.圖形數(shù)據(jù)庫41.以下可視化圖形中，（）是由數(shù)據(jù)集合中的最大值、最小值、中位數(shù)和兩個四分位數(shù)繪制而成。A.柱形圖B.餅圖C.箱線圖D.直方圖42.以下常用于時間序列數(shù)據(jù)可視化的方法是（）。A.折線圖B.直方圖C.餅圖D.箱線圖43.下列關(guān)于推斷統(tǒng)計學(xué)的描述中，錯誤的是（）。A.參數(shù)估計是根據(jù)樣本的統(tǒng)計量來估計總體中的參數(shù)B.假設(shè)檢驗可以度量變量之間的相關(guān)程度C.判別分析是將某個對象歸到已知類別中D.時間序列分析是研究時間序列數(shù)據(jù)變化規(guī)律的方法44.根據(jù)概率的原則進行分類的機器學(xué)習(xí)算法是（）。A.k近鄰算法B.決策樹C.樸素貝葉斯分類器D.隨機森林45.以下關(guān)于關(guān)聯(lián)規(guī)則的描述中，錯誤的是（）。A.可以用于預(yù)測商品的價格B.可以用于找到商品之間的關(guān)聯(lián)C.可以用于購物籃數(shù)據(jù)分析D.可以用于電商的推薦系統(tǒng)46.在以二維表形式表示的數(shù)據(jù)集中，行表示（）。A.特征B.樣本C.屬性D.字段47.當(dāng)一個變量可以在一個范圍內(nèi)連續(xù)取值時，該變量就是（）。A.定量變量B.定性變量C.屬性變量D.分類變量48.傳統(tǒng)的主要基于統(tǒng)計學(xué)的分析方法在大數(shù)據(jù)時代所面臨的挑戰(zhàn)包括（）。A.全體數(shù)據(jù)，不是隨機樣本B.放棄數(shù)據(jù)的精確性，盡可能收集更多數(shù)據(jù)C.重視相關(guān)關(guān)系，而不是因果關(guān)系D.以上均是49.以下關(guān)于基于關(guān)聯(lián)規(guī)則的推薦算法的描述中，正確的是（）。A.根據(jù)用戶對商品或內(nèi)容的收藏或分享等情況判斷用戶對該商品的興趣和偏好程度B.根據(jù)用戶的基本信息發(fā)現(xiàn)用戶之間的相似情況，將相似用戶喜愛的的其他商品推薦給當(dāng)前用戶C.挖掘不同商品在銷售過程中的相關(guān)性D.根據(jù)商品本身的屬性數(shù)據(jù)，計算商品之間的相似度，再基于用戶的歷史瀏覽等信息推薦給用戶相似的商品50.使用Python進行網(wǎng)絡(luò)爬蟲獲取網(wǎng)頁數(shù)據(jù)時，正確的步驟是（）。A.發(fā)送請求-獲取內(nèi)容-解析內(nèi)容-保存數(shù)據(jù)B.保存數(shù)據(jù)-發(fā)送請求-獲取內(nèi)容-解析內(nèi)容C. 獲取內(nèi)容-解析內(nèi)容-發(fā)送請求-保存數(shù)據(jù)D. 解析內(nèi)容-保存數(shù)據(jù)-獲取內(nèi)容-發(fā)送請求51.在缺失值的處理方法中，（）是利用樣本觀測之間的相關(guān)性來插補缺失值。A.均值插補B.回歸插補C.多重插補D.k近鄰算法插補52.下列關(guān)于離散化處理的描述中，錯誤的是（）。A.離散化處理可以提高大數(shù)據(jù)處理的效率B.在調(diào)查問卷中，離散化處理可以得到更高的響應(yīng)率C.數(shù)據(jù)經(jīng)過離散化后，可以獲得更好的模型解釋性D.離散化處理不會影響預(yù)測精度53.氣泡圖中可以用來展示數(shù)據(jù)信息的屬性包括（）。A.僅橫坐標B.僅橫坐標和縱坐標C.僅橫坐標、縱坐標和氣泡大小D.橫坐標、縱坐標、氣泡大小和氣泡顏色54.下列關(guān)于數(shù)據(jù)倉庫的特點，描述錯誤的是（）。A.數(shù)據(jù)以主題為導(dǎo)向，提供決策支持B.關(guān)注數(shù)據(jù)隨時間的變化，支持歷史數(shù)據(jù)分析C.數(shù)據(jù)質(zhì)量高，提供數(shù)據(jù)一致性和準確性D.數(shù)據(jù)源和數(shù)據(jù)類型單一55.HDFS的可擴展性主要體現(xiàn)在（）。A.隨著需求的增加，集群可以輕松擴展到更多節(jié)點B.即使集群中的某個節(jié)點發(fā)生故障，數(shù)據(jù)依然可用C.以分布式方式存儲數(shù)據(jù)，減少處理時間D.確保數(shù)據(jù)始終可用，防止數(shù)據(jù)丟失56.下列數(shù)據(jù)庫中，屬于文檔數(shù)據(jù)庫的是（）。A.RedisB.Neo4jC.HBaseD.MongoDB判斷題1.根據(jù)數(shù)據(jù)在收集過程中是否控制有關(guān)因素，可以將數(shù)據(jù)分為觀測數(shù)據(jù)和實驗數(shù)據(jù)。（）2.時間序列分析中采用對數(shù)變換來消除異方差。（）3.關(guān)系型數(shù)據(jù)庫不是用來存儲和訪問具有彼此相關(guān)性數(shù)據(jù)的數(shù)據(jù)庫。（）4.氣泡圖中氣泡的面積大小沒有實際意義。（）5.數(shù)據(jù)科學(xué)是通過科學(xué)方法探索數(shù)據(jù)，以獲得有價值的發(fā)現(xiàn)。（）6.數(shù)據(jù)科學(xué)的發(fā)展不僅可以推動學(xué)科的發(fā)展，而且能夠助推相關(guān)產(chǎn)業(yè)的發(fā)展與進步。（）7.網(wǎng)頁數(shù)據(jù)是一種半結(jié)構(gòu)化數(shù)據(jù)。（）8.在分類方法中，決策樹法的結(jié)果復(fù)雜難懂、可解釋性較差。（）9.MapReduce編程模型的首要步驟是對存儲系統(tǒng)中的文件按列處理，并產(chǎn)生鍵值對。（）10.MapReduce基于分而治之的算法范式，利用多臺計算機完成數(shù)據(jù)處理（）11.銀行業(yè)通過大數(shù)據(jù)技術(shù)可以有效分析經(jīng)營過程中可能存在的風(fēng)險因素。（）12.數(shù)據(jù)脫敏技術(shù)可以有效降低敏感數(shù)據(jù)泄露的風(fēng)險。（）13.時間序列數(shù)據(jù)是按時間順序排列的觀測值序列，用于所描述現(xiàn)象隨時間變化的情況。（）14.數(shù)據(jù)預(yù)處理的主要目的是為了提高數(shù)據(jù)質(zhì)量，將原始數(shù)據(jù)變成更加方便計算或處理的格式，使數(shù)據(jù)形態(tài)更加符合建模要求，進而提升數(shù)據(jù)挖掘的質(zhì)量和效率。（）15.數(shù)據(jù)可視化對于提升數(shù)據(jù)的理解、分析與推斷沒有幫助。（）16.HDFS架構(gòu)遵循主從結(jié)構(gòu)，主節(jié)點稱為數(shù)據(jù)節(jié)點，負責(zé)接收來自客戶端的作業(yè)請求。（）17.通常使用直方圖展示兩個數(shù)值型變量之間的相關(guān)關(guān)系。（）18.決策樹是一種簡單高效的分類模型。（）19.Excel只能存儲數(shù)據(jù)，無法用于數(shù)據(jù)分析。（）20.為防止隱私被竊取，企業(yè)和個人可以運用隱私保護技術(shù)來保護數(shù)據(jù)的安全。（）21.為了避免數(shù)據(jù)的雜亂無序，通常將數(shù)據(jù)整理成數(shù)據(jù)集。（）22.辦公文檔、圖像、聲音和文本都是結(jié)構(gòu)化數(shù)據(jù)。（）23.疾病預(yù)防和治療屬于大數(shù)據(jù)在生物醫(yī)學(xué)領(lǐng)域的應(yīng)用。（）24.數(shù)據(jù)缺失的現(xiàn)象大量存在而又無法避免。（）25.特征選擇是指由原始變量的函數(shù)構(gòu)造一些新的變量，新的變量能保留原始變量的絕大部分信息。（）簡答題1.變量的定義是什么？用于刻畫觀測數(shù)據(jù)集的特征的量叫做變量。2.請列舉三種常用的電子商務(wù)推薦算法。協(xié)同過濾推薦算法；基于內(nèi)容的推薦算法；基于關(guān)聯(lián)規(guī)則的推薦算法；基于人口統(tǒng)計的推薦算法。3.請列舉五種常見的數(shù)據(jù)缺失值插補方法。均值插補；回歸插補；隨機回歸插補；多重插補；K近鄰算法插補4.數(shù)據(jù)可視化的基本原則包括哪些方面？數(shù)據(jù)可視化的效果要能準確的表達數(shù)據(jù)中的信息而不產(chǎn)生偏差或歧義；能夠清晰地表達數(shù)據(jù)中的信息；其設(shè)計的可視化圖表能夠令人賞心悅目。5.數(shù)據(jù)的定義是什么？數(shù)據(jù)是對現(xiàn)象或事物進行測量和記錄的結(jié)果，可用來制表、計算和分析等，也可以統(tǒng)指一切保存在電腦中的信息，能夠進行電子化的記錄，包括文本、圖像、音頻、視頻等。6.大數(shù)據(jù)的成因是什么？數(shù)據(jù)的存儲和管理能力的增強；數(shù)據(jù)采集能力增強；大數(shù)據(jù)的挖掘和分析等技術(shù)的同步發(fā)展。7.數(shù)據(jù)整理的內(nèi)容主要包括哪四個方面？數(shù)據(jù)的提取；數(shù)據(jù)的連接；數(shù)據(jù)的聚合；去除冗余和重復(fù)。8.通過相關(guān)系數(shù)矩陣處理共線性問題的算法步驟是什么？計算相關(guān)系數(shù)矩陣；確定最大的成對相關(guān)系數(shù)對應(yīng)的預(yù)測變量A和預(yù)測變量B；計算變量A與其他所有變量之間的平均絕對值相關(guān)系數(shù)，對變量B也做同樣的計算；比較A與B，誰的平均絕對值相關(guān)系數(shù)最大，刪除誰；重復(fù)