大数据技术导论形考答案

1、1.数抿科学不仅可以推动数学、计算机科学 A 基础科学 （ ） 3. Cyber 空间是指以计算机技术 . 现代通倍网络技术、（ 竽信息技术的综合运用为基础 . 以知识和信息为内容 B 虚拟现实技术 A 维数约简 A 0.716 6. 增址数据抽取方式只抽収（ C 发生变化的数据D 有价值的数据 7、每一次计算请求称为 。A 纨程 （ ） A 离线 9、数抿平滑法主要分为（ ）、指数平滑法和分箱平滑法。A 统计法 C 移动平均法 建 10.离线计算模式中的己知数据存储于建 C 高速缓冲储器 A 关系数据库数据 12. MapReduce fg 型适于 ( )计算 . 立挖掘模型 . 选取或改进

2、挖掘模型都需要验证 . 最常用的验证方法绘。A 样本学习 C 逻辑推理 周期的第 数据获取与存储符理是大数据处理A 1 A 网站外部数据 A 稀绘性 A 键值存備方式B 按地址存储方式 隐儈在其中的、人们数据挖掘绘从数据集（可能是不完全的 .有噪声的 . 不确定性的、各种存储形式的）中挖堀出 A 语义网 A 算法 A 预测 22、数州淸洗算法的衡虽标准主耍包含 八错谋返回率和箱确度。A 冗余度 23、奈奎斯待采样定理指出采样频率脱该大 A 2 ?信号中放高频率的 倍时 . 采样 Z 后的数字倍号才能够完整地保留 （ ） ） A 掀小 ?燉大规范化方法B 模糊规范化方法C Z 分数规范化方法D

3、小数定标规范化方法 四个选项中选填一个字母 . 不可重复）不完整数据的淸洗绘指对缺失值的填补 . 主 耍采用的方 ）（平均 . （ ）是绝对指标 . 其值大小不仅取决于样本数据的分故程度与掖小值 Z 差. 又称范闱误差或全距 .（本题毎个括号里需耍从 ABCD 四个选 ）是样本相对于均值的偏差平方和的 A 极差 （本题毎个括 （本题毎个括 4、（本题每个括号里潘耍从 ?A 垂复数据 C 非结构化数据 A 爭务处理应用 C 数据分析腹用 较大。我们将故落在外 . 不能归并到任何一类中的数据称为（）。四个选项中选填一个字母 . 不可垂复）聚 A 相似度 号里需耍从 ABCD 四个选项中选填一个字母

4、 ?不可垂复）网络爬虫流程主要分为（ A 存储数据 C 解折网页 （ 是指从小到大排列或从大到小挣列的一组数据中 ?处在中间位置上的一个数据 ? 一组 n 个观测值按数值大小排列 . 处于 p%位A 百分位数 母. 不可垂复）移动平均法是按对过去卄干历史数据求算术 平均数 . 并把该数据作为以后时期的预渕值。移动平均法分有 .（A 寥次平均法B 一伙移动平均法C 二次移动平均法 . : 从分析的方式来看 . 大数据分析主要分为离线数据分析、和?A 探索性数据分析B 在线数据分析 （本题每个括兮里需要从 A 环境 12 、（本題每个括号里需要从 ABCDRII 个选项中选填一个字母 . 不可垂复

5、）网站内部数据主耍有（ 和（ C 数抿库数据 13 、（本题毎个括号里需耍从 ABCDH 个选项中选填一个字母 ?不可重芟由大及小的数据展现方式是先给出一个（ ）的 iffitfil.可以引导读者具体深入到一个（）的点，A 一般 （ ） （本题每个括号里需要从 ABCD 四个 A 数据 （ ） （ ） 个括号里需要从 ABCD 四个选项屮选填一个字母 . 不可垂复）异常数据检测方法主要分为（ 、星于 A 基于模型的技术B 基于平均数计篦C 星于最大值计算D 廉干密度的技术 括巧里需耍从 ABCD 四个选项屮选填一个字母 ?不可巫复）数据集成潘要考虑的问題是（ ）A 数据容呈何题B 数据冲突的检

6、测与处理何题C 实体识别问题 18 、（本题每个括号里需要从 ABCD 四个选项中选填一个字母 . 不可垂复基于约简维数的大小分类 ?维数约简可以分 为（ A 谀维数约简 C 统计维数约简 本題毎个括号里需耍从ABCD四个选项屮选填一个字母 . 不可重芟数州质址的四耍素绘数据的准确性、（A 数据的随机性B 数据的一致性C 数据的可用性 20 、（本题每个括匕里需耍从 阶段，初始化转移阶段采用（A 何构异质数据抽取 D 全呈数据抽取 ABCD 四个选项中选填一个字却 . 不可重复在大数据抽取中 . 可以分为初始化转移阶段 和增呈转移 （ ）2 仁（木題每个括号里盂要从 ABCD 四个选项中选填个

7、字母 ?不可重幻样木约简主要包括系统抽样、（ 和（ 22 、（本題每个扌舌号里需耍从 （）A 数据源 （ ） A 半结构化数据 C 非结构化数抿D 分布式存储与计篦 ：（ （ ） A 大 1x 在数抿预处理过程屮 . 可以很据需耍 . 通过数据转换沟造出数据的新屈性 . 使 Z 更有助丁 ?处理数据。（ ）A 正确 正确答案：正确2. Hadoop 处理平台能够完成在线处理。（ ）A 正确 正确答案：错谋度 S 是根据所有字段的内容而计算出的一个表示两字段相似程度的数值。 ）A 正确 正确答案：正确正确答案：正确 A 正确 正确答案：错谋地集中 .存放在不一致的A 正确 正确答案：错谋数抿集成

8、是指将不同來源 . 不同格式、不同特点与不同性质的数据在逻辑上或物理上有机 6. R-NN 近邻缺失数据填充算法是一种简单快速的算法 . 它利用木身具冇完整记录的属性但实现对缺失屈性但的估计。 A 正确 正确答案：正确 A 正确 正确答案：错決& ?幅图漑燉伟大的价但英过A 正确 正确答案：正确 F 它能够使我们实际看到的内容比期垫看到的内容丰富得多。 ) 朵分析 . 即席査询等方而的优势 . 以及面对海址数据时较强的扩展能力 ? （ ）A 正确 正确答案：错谋10. 大数据主耍来口物理世界与互联网世界。（ A 正确 正确答案：正确屈性故州按比例缩放 ?将一个函数给定属性的整个但域映数据规范化

9、可将原來的度虽值转换为无址纲的值 . 通过将射到一个新的值域中 . 即每个旧的值都被一个新的值替代 ?（ ）A 正确 正确答案：正确 大数据处理周期是拆从数据 A 正确 正确答案：正确13. OldSQL+NoSQL）混介模式能够很好地解决互联网大数据应用对海址结构化和非结构化数据进行存储和快速处理的 需求，（A 正确 正确答案：正确正确答案：正确14.非结构化数据绘指在获得敌据之 . 前就可知共结沟的数据。（ ）A 正确 正确答案：错谋挖掘主翌注垂解决分类、聚类 . 关联和定址定性侦测零问題 . 其垂点不是寻找未知的模式与规律。 ）A 正确 正确答案：错谋16. 网貉数据获取是指通过网络爬虫

10、等方式从网站上获取数据信息的过程 . 这样可将作结构化数躲半结构化数抿从网 页中提取出来. 并以作结构化的方式将其存储为统一的本地数据文件，（）A 正确 正确答案：正确17. 数据科学的组成耍索主要包括数学 . ）A 正确 正确答案：正确18?分类就是自动将数据对盘分成多个类或簇 相似度差别较大。（）. 划分的原则是在同一个簇屮的数据对仪具冇较鬲的相似度 . 而不同簇中 的数据对象A 正确 正确答案：错決14.非结构化数据绘指在获得敌据之 . 前就可知共结沟的数据。（ ）分析与挖掘得到可信的 . 可用于支捋决笫的信息。 正确答案：错決A 正确 正确答案：正确20. 维数约简是便用編码机制来増大

11、数据集的规模。 ）A 正确 正确答案：错谋将抽仪的指标敌据转换成我们熟悉的容易感知的敌据时 . 用户便更不容易理解图形耍我达的恿义。 ）A 正确 正确答案：错谋22 、噪声绘拆 3! 抵屮的随机错谋和偏差 . 通过数据平滑技术可以识别噪術。 ）A 正确 正确答案：错決23 、虽然约简后的数抿集变小而且不能保持原始数据的完整性 . 但在这样的数据集卜 ?挖掘. 仍然能够获得与约简前 相冋的分析 （ ）A 正确 正确答案：正确24. 离线敌据分析是指将待分析的敌据先存储 ?皱盘屮. 然后进行数抿分析 . 离线数据分析用于较复朵和耗时的数据分A 正确 （ ） A 正确 正确答案：错決26 、计舁机科

12、学是尊法与算法变换的科学 ?数抿科学是关 ?数抿的科学 ?数据科学是为研处探索 Cyber 空间中数据界的 理论、方 （ ）A 正确 正确答案：正确27. 数擱分析是从一个假设出发 . 需翌口行选择方程或模型來与假设匹配 . 而数据挖掘不需耍假设 . 可以自动建立模型 ,（ ）A 正确 正确答案：正确28. 同构同质数据库是指冋一类型的数据模型 . 问一型号的数据库系统 *同构异质数据库杲指同一类型 （ ）A 正确 正确答案：正确A 正确 A 正确 30、 MapReduce i+ 将数据存储到内存屮 .然后对存储在硬盘中的静态数据进行集屮计浓（）A 正确 正确答案：错误31. 在通常情况下

13、. 聚类算法不是计算两个样本间的相似度 .而是用特征空间中的胆离作为度址标准来计算淅个样本间 的相异度 .A 正确 正确答案：正确32. 全虽抽取类似 ?数据迁移或数抵复制 . 它将抽取数据源屮发生改变的故据，把这些改变的数据从数据库中抽取出來 ? 并转换成抽取工具可以识别的格式 ?（）A 正确 正确答案：错決33 、文本由记录组成 . 可以将整条记录看成一个字符巾来计算其相似度 . 再按某些规则合成得到文本相似度。 A 正确 正确答案：正确34 、离线数据处理技术比在线敌据处理技术成熟化解决大数据址或大计算址的何题，（. MapReduce 分布编程模型是一种三圧计算 . 核心问题眦是利用并行）A 正确 理过程分布到源敌据上进行并行处理 . 并仅对结果进行集成。大数据址集成一般将处 A 正确 正确答案：正确36. 传统数据获取与大数据获取方式相同。 ）A 正确 正确答案：错谋37、科学大数据的垂耍持点 Z是有一定的科学规律可循。 A 正确 正确答案：正确38、如数据不完整 .数据不一致 .数据垂烫等 ?数据也能够有效地被利用。 A 正确 正确答案：错谋39、数据快速大虽地产生并存储在A 正确 Cyber 空间中的现線称为数据爆炸，（ ）正确答案：正确40、网站内部数据与网站本身最为密切相关的数据是网站分