大数据CDA考试(习题卷3)

试卷科目：大数据CDA考试大数据CDA考试(习题卷3)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages大数据CDA考试第1部分：单项选择题，共118题，每题只有一个正确答案,多选或少选均不得分。[单选题]1.解压.tar.gz结尾的HBase压缩包使用的Linux命令是?A)tar-zxvfB)tar-zXC)tar-sD)tar-nf答案:A解析:[单选题]2.在方差分析中，我们如下输出上表有？号的空格数值是多少()A)32B)33C)64D)66答案:C解析:组内自由度等于观察数66-组数2=64。[单选题]3.在ORM模型中,数据表的字段由()类实例表示。A)dbB)columnC)db.ColumnD)property答案:C解析:[单选题]4.以下哪些是制作条形图时的错误做法()。A)不要让直条太窄,否则会让读者的视线集中在两直条间大片的空白处,直条的宽度应当约为条间距的两倍B)不要用太粗的网格线和三维透视图,这样会遮掩数据并转移读者对数据的注意力C)进行比较时,不要用刻度线和网格线,这样会使水平直条的相对长度更加难以辨别D)直条应当由最大值排到最小值,特定的直条可用不同的透明度予以强调。答案:D解析:[单选题]5.执行语句inti=1,j=++i;后i与j的值分别为A)1与1B)2与1C)1与2D)252答案:D解析:[单选题]6.以下一项不属手创建Loader作业时必选项?A)优先级B)名称C)连接D)类型答案:A解析:[单选题]7.万维网之父是()。A)彼得·德鲁克B)舍恩伯格C)蒂姆·伯纳斯-李D)斯科特·布朗答案:A解析:[单选题]8.Hbase中的Region是由哪个服务进程来管理的?A)HregionserverB)ZookeeperC)MasterD)Datanode答案:A解析:[单选题]9.以下哪项不是描述数据离散趋势的常见指标。)A)极差B)都是C)四分位数间距D)变异系数答案:B解析:[单选题]10.下面的数据是一家电商企业的网页浏览量与销售量之间的相关性描述，根据表格信息，下列选项中正确的是()A)提高浏览量是提高销售量的直接原因B)浏览量与销售量存在显著相关性C)浏览量每增加1个单位，销售量增加0.008个单位D)提高销售量是提高浏览量的直接原因答案:B解析:P值很小，所以很显著。关系不等于因果。[单选题]11.使用多个分类器的预测来提高分类准确率的技术称为()。A)集成(ensemble)B)聚集(aggregate)C)合并(combination)D)投票(voting)答案:A解析:[单选题]12.设x为float型变量,y为double型变量,a为int型变量,b为long型变量,c为char型变量,则表达式x+y*a/x+b/y+c的值为()类型。A)intB)longC)doubleD)char答案:C解析:[单选题]13.小王养了一头猪和一只鸡,一天,猪问鸡:?主人去哪里了?,猪含泪答道:"去买粉条了?。鸡很同情的说;?老弟,来世再见。?以上对话体现了数据分析方法中的()。A)关联B)自然语言处理C)聚类D)文本挖掘答案:A解析:[单选题]14.银行根据客户以往贷款记录情况,将客户分为低风险客户和高风险客户。对一个新来的申请者,银行计算风险,决定接受或拒绝该申请。这属于()算法的应用。A)分类B)聚类C)关联D)回归答案:A解析:[单选题]15.如下哪项不是ZooKeeper的关键特性()?A)最终一致性B)延时性C)可靠性D)等待无关性答案:B解析:[单选题]16.分析师小A想要对多元线性回归y=b0+b1x1+b2x2+…+bnxn+ε进行线性关系检验时，他设定的原假设可以是()A)b0=b1=……=bn=0B)b1=……=bn=0C)b0,b1,……,bn中存在任意一个不为0D)b1,……,bn中存在任意一个不为0答案:B解析:与一元线性回归不同在于，多元线性回归的原假设为所有自变量前的参数同时为0。[单选题]17.FusioninsightHD中Loader从SFTP服务器导入文件时,不需要做编码转换和数据转换且速度最快的文件类型是以下哪项?A)graph-fileB)blnary-fileC)text-fileD)sequence-file答案:B解析:[单选题]18.为了保障流应用的快照存储的可靠性,快照主要存储在哪里?A)jobmanager的内存中B)可靠性高的单机数据库中C)本地文件系统中D)hdfs中答案:D解析:[单选题]19.某专业毕业的研究生年薪的标准差大约为2000美元，现在想要估计这个专业毕业研究生年薪95%的置信区间，并要求误差为100美元，应抽取多大的样本量？()z/2=1.96A)182B)98C)1537D)634答案:C解析:[单选题]20.关于Kafka磁盘容量不足的告警,对于可能的原因以下分析不正确的是?A)业务规划不合理导致数据分配不均,使部分磁盘达到使用率上限B)数据保存时间配置过长,数据累计达到磁盘使用率上限C)Broker节点故障导致D)用于存储Kafka数据的磁盘配置(如磁盘数目磁盘大小等),无法满足当前业务数据流量,导致磁盘使用率达到上限答案:C解析:[单选题]21.Hive中的数据类型,下面说正确的是()。A)TINYINT,1个字节(8位)有符号整数B)SMALLINT,2个字节(16位)有符号整数C)INT,4个字节(32位)有符号整数D)以上都正确答案:D解析:[单选题]22.以下不属于对应分析的优点的选项有()A)结果直观B)图形化C)没有复杂的中间过程D)信息保留完整答案:D解析:在进行对应分析时，由于进行了降维展示，因此原来的信息会受到一定程度的损失。[单选题]23.分类通常会把模型数据集拆分成两个部分,其中一个部分用来评估模型好与不好,这个部分叫做()。A)训练集B)测试集C)已知数据D)未知数据答案:B解析:[单选题]24.对于一个列联表来说，多维尺度分析关注的是()A)行变量和列变量两者的相关性B)变量之间的相关关系C)行变量之间的相似性D)维度的含义答案:C解析:主成分分析关注变量之间的相关关系。因子分析关注维度的含义。对应分析关注行变量和列变量两者的相关性。[单选题]25.在Jinjia2模板引擎中实现模板的继承,使用的关键词是()。A)extendB)extendsC)fromD)import答案:B解析:[单选题]26.为AB类的一个无形式参数无返回值的方法methiod书写方法头,使得使用类名AB作为前级就可以调用它,该方法头的形式为()。A)staticvoidmethod()B)publicvoidmethod()C)finalvoidmethod()D)abstractvoidmethod()答案:A解析:[单选题]27.是要找到不同事物之间的关联程度，确定哪些事物会一起出现。A)预测建模B)聚类分析C)关联分析D)异常检测答案:C解析:[单选题]28.大数据至少为以下哪种存储量级?A)EBB)PBC)TBD)ZB答案:B解析:[单选题]29.以下选项中,不属于信息时代的定律的是()A)吉尔德定律B)摩尔定律C)麦特卡尔夫定律D)达律多定律答案:A解析:[单选题]30.Java编程所必须的默认引用包为()A)java.sys包B)java.lang包C)java.util包D)以上都不是答案:B解析:[单选题]31.ZooKeeper特点包括(】。A)最终一致性B)可靠性C)实时性D)实时性答案:D解析:[单选题]32.已知某一元线性回归模型的判定系数R2=0.64，则自变量与因变量之间的相关系数为()A)0.4B)0.6C)0.8D)1.0答案:C解析:cor^2=R2。[单选题]33.HDFS中的block默认保存几个备份。A)3份B)2份C)1份D)不确定答案:A解析:[单选题]34.回归分析首要解决的问题是(】。A)确定解释量和被解释变量B)确定回归模型C)建立回归方程D)进行检验答案:A解析:[单选题]35.下列哪些语句关于Java内存回收的说明是正确的?A)程序员必须创建一个线程来释放内存B)内存回收程序负责释放无用内存C)内存回收程序允许程序员直接释放内存D)内存回收程序可以在指定的时间释放内存对象答案:B解析:[单选题]36.教育水平作为定序型变量，若要描述其离散程度，可选用以下哪种方法()A)平均差B)四分位差C)方差D)标准差答案:B解析:另外三种都只能用于描述数值型数据。[单选题]37.LSM含义是?A)日志结构合并树B)二叉树C)平衡二叉树D)长平衡二叉树答案:A解析:[单选题]38.下面关于MapReduce的描述中正确的是()。A)MapReduce程序必须包含Mapper和Reduce。B)MapReduce程序的MapTask可以任意指定。C)MapReduce程序的ReduceTask可以任意指定D)MapReduce程序的ReduceTask可以任意指定答案:D解析:[单选题]39.在评价多元线性回归模型拟合程度的时候，我们主要查看()的数值A)修正R2B)R2C)SSED)SSR答案:A解析:修正R2用于评价拟合情况。[单选题]40.在以下语句中，哪个语句可以用来查询<绩效成绩>表中?员工id?字段以?b?开头的记录A)selectB)selectC)selectD)select答案:B解析:本题考查SQL语句中正则表达式的使用方法。A与C没有使用regexp关键字，D使用的模式字符?.?代表字符串中的任意一个字符而非匹配字符串开始的部分，所以只有B能够正确查询以?b?开头的记录，所以答案为B。[单选题]41.以下哪个不是Spark的分布式部署方式?(A)standaloneB)sparkonmesosC)sparkonYARND)Sparkonlocal答案:D解析:[单选题]42.关于Hive中的桶说法不正确的是()?A)每个桶是一个目录B)建表时指定桶个数,桶内可排序C)数据按照某个字段的值Hash后放入某个桶中D)对于数据抽样、特定join的优化很有意义答案:A解析:[单选题]43.偏自相关函数ACF呈现缓慢的趋近于零，我们称ACF具有()A)长尾性B)短尾性C)收敛性D)拖尾性答案:D解析:如果偏自相关函数ACF在n阶之后迅速趋近于零，我们称ACF具有n阶截尾性；呈现缓慢的趋近于零，称为拖尾性。[单选题]44.如果数据量较大,哪种聚类算法比较适合?()A)系统聚类B)快速聚类(k-means)C)A和B都可以D)A和B都不可以答案:B解析:[单选题]45.Spark组件中哪个选项不属于transformation操作?A)JoinB)distinctC)reduceByKeyD)reduce答案:D解析:[单选题]46.在因子分析中，为了帮助解释因子，我们可以使用()A)因子得分B)因子负载C)因子旋转D)主成分分析答案:C解析:在进行因子分析时，我们可以通过因子旋转来使得最终得到的因子更具有解释性。[单选题]47.以下关于Flink关键特性描述不正确的是?A)Sparkstreaming与Flink相比,时延更低B)F1ink流式处理引擎能够同时提供支持流处理和批处理应用的功能C)与FusioninghtHD中的Streaming相比,Flink具有更高的吞吐量D)checkpoint实现了Flink的容错答案:A解析:[单选题]48.逻辑回归属于()A)无监督学习B)有监督学习C)半监督学习D)非监督学习答案:B解析:逻辑回归是有监督学习的算法。[单选题]49.一个6面骰子连掷4次，得到至少一次六点的概率约为()。A)≈51.77%B)≈66.67%C)≈48.22%D)≈16.67%答案:A解析:1-(5/6)^4≈0.5177[单选题]50.无监督学习中应用最广的是()。A)分类算法B)聚类算法C)关联算法D)时序答案:B解析:[单选题]51.在测试Flask项目时,使用()模块可以根据需求产生不同类型和数量的虚拟数据0A)demoB)fakerC)testD)faker_data答案:B解析:[单选题]52.使用余弦相似度时，结果等于1表示两个向量()A)完全相同B)完全相反C)完全相关D)不确定答案:A解析:余弦相似度表示a、b两个向量之间夹角的余弦值。等于1时，表明两个向量方向完全相同，越接近1，表明两个向量越相似。[单选题]53.一个gzip文件大小75MB,客户端设置Block大小为64MB,请问其占用几个Block?A)3B)2C)4D)1答案:B解析:[单选题]54.spark的核心模块是A)sparkstreamingB)sparkcoreC)mapreduceD)sparksql答案:B解析:[单选题]55.main方法是Java应用程序执行的入口点,关于main方法的方法头以下哪项是合法的?A)publicstaticvoidmain()B)publicstaticvoidmain(String[]args)C)publicstaticintmain(StringargD)publicvoidmain(Stringarg)答案:B解析:[单选题]56.字段?贷款人姓名?，下列方法最适宜的是()A)需要编码为数值变量B)需要编码为字符变量C)需要编码为二分变量D)需要编码为分类变量答案:B解析:字符型变量适合姓名。[单选题]57.下面哪一个操作符的优先级最高?A)&&B)11C)!D)()答案:D解析:[单选题]58.HBase中的批量加载底层使用()实现。A)MapReduceB)HiveC)CoprocessorD)BloomFilter答案:A解析:[单选题]59.HDFS中的数据块【block]默认保存几份?()A)3份B)2份C)1份D)不确定答案:A解析:[单选题]60.在估计总体比例时，若其他条件不变，如果为了节约成本，减少50%的样本，那么误差将大约是原来的()A)1、4倍B)1、5倍C)2倍D)4倍答案:A解析:>[单选题]61.整型数据类型中,需要内存空间最少的是A)shortB)longC)intD)byte答案:D解析:[单选题]62.不属于HDFS优势是()。A)时间快B)超大文件C)大量小文件D)商用硬件答案:A解析:[单选题]63.在使用Flask-WTF自定义表单类时,自定义的类需要继承自()。A)FlaskFormB)FlaskFormsC)FlaskWTFD)Forms答案:A解析:[单选题]64.下列涉及通配符的操作，范围最大的是()A)nameB)nameC)nameD)name答案:C解析:%匹配多个字符，_匹配一个字符。[单选题]65.以下方法可以改变数据量纲的是A)对数据做归一化处理B)对数据做z-score标准化C)对数据取对数D)以上都是答案:D解析:三种方法都能改变量纲。[单选题]66.编译Java程序的命令是:A)appletviewerB)javacC)javaD)javadoc答案:B解析:[单选题]67.倒传递神经网络(BP神经网络)的训练顾序是什么(1:调整权重;2:计算误差值;3:利用随机的权重产生输出的结果)()。A)231B)312C)213D)321答案:D解析:[单选题]68.HDFS的副本放置策路中,同一机架不同的服务器之间的距离是()A)3B)2C)1D)4答案:B解析:[单选题]69.假设检验中显著性水平是()。A)推断时犯取伪错误的概率B)推断时取伪弃真的概率C)正确推断的概率D)是推断的可信度答案:B解析:[单选题]70.分析师小A发现某产品销量数据有明显的长期趋势变动，则小A可以考虑采用()A)移动平均值法B)向量自回归法C)差分法D)固定效应法答案:A解析:移动平均法是测定长期趋势变动的一种常用方法。[单选题]71.将巧克力藏在不透明的容器里,将无花果、开心果等健康零食放在透明玻璃罐里。7周内职员少摄入310万卡路里。这属于()的案例。A)关联规则B)聚类规则C)分类规则D)不能确定答案:A解析:[单选题]72.安装fusioninsightHD的Streaming组件是,Nimbus角色要求安装几个节点?A)4B)3C)2D)1答案:C解析:[单选题]73.如果要给队列QueueA设置容量为30%,应该设置哪个参数()?A)yarn.scheduler.capacity.root.QueueA.minimum-user-limit-percentB)yarn.scheduler.capacity.root.QueueD.user-llmit-actorC)yarn.scheduler.capacity.root.QueueA.capacityD)yarn.scheduler.capacity.root.QueueA.state答案:C解析:[单选题]74.如果一组数据不是对称分布，按照切比雪夫不等式，至少约有75%的观测值落在距均值()个标准差的区间范围内。A)1B)2C)3D)4答案:B解析:切比雪夫不等式公式为1-1/k^2，计算得出。[单选题]75.fusioninsight对于管理操作,下列错误的是?A)可对服务进行启停重启B)可以添加和卸载服务C)常用服务隐藏或显示D)可查看服务的当前状态答案:C解析:[单选题]76.下列论据中,能够支撑?大数据无所不能?的观点的是()。A)互联网金融打破了传统的观念和行为B)大数据存在泡沫C)大数据具有非常高的成本D)个人隐私泄露与信息安全担忧答案:D解析:[单选题]77.显著性检验中的P值小于多少时,可以认定为绝对显著相关。()A)1B)0.05C)0.01D)0.001答案:C解析:[单选题]78.hbase的底层数据以()的形式存在的?A)kevvalueB)列存储C)行存储D)实时存储答案:A解析:[单选题]79.一家电商抽取了36个消费者年龄作为随机样本，得到样本均值为40，样本标准差为6。该电商客户年龄90%的置信区间为()z0、05=1、65A)（34，46）B)（38、35，41、65）C)（39、1，40、9）D)（39、15，40、95）答案:B解析:>[单选题]80.Spark是用以下哪种编程语言实现的()?A)CB)C++C)JAVAD)Scala答案:D解析:[单选题]81.识别垃圾邮件属于。A)预测建模B)聚类分析C)关联分析D)异常检测答案:A解析:[单选题]82.HBase中如果发生一个Region的Split,一个HFile文件真正分开到两个Region的过程发生在以下什么阶段?A)Split过程中B)Flush过程中C)Compaction过程中D)HFile分开过程中答案:C解析:[单选题]83.以下哪个方法用于定义线程的执行体?A)start()B)init()C)run()D)synchronized()答案:C解析:[单选题]84.Hadoop组件在企业应用中,能用于数据挖掘的产品有()。A)HiveB)PigC)MahoutD)Hbase答案:C解析:[单选题]85.下列关于HadoopAPI的说法错误的是()。A)Hadoop的API只适用于HDFS文件系统B)Configuration类的默认实例化方法是以HDFS系统的资源配置为基础的C)FileStatus对象存储文件和目录的元数据D)FSDatalnputStream是java.io.DatalnputStream的子类答案:A解析:[单选题]86.Spark原生开发语言是()。A)ScalaB)JavaC)PyPhtthonD)R语答案:A解析:[单选题]87.下列有关数据分析说法正确的是()。A)一类业务问题只能用同一种数据分析模型来解决。B)CRISP-DM是多个面向不同任务的分析模型的统称。C)数据分析的前期基础类数学知识只有概率论和微积分。D)数据分析是包含不同步骤的一整套流程。答案:D解析:A项，一类业务可以由多种不同模型来处理；B项CRISP-DM是数据挖掘流程；C项，还包括线性代数等。[单选题]88.以下哪个不属于数据分析报告的开篇部分。()A)索引B)前言C)目录D)标题答案:A解析:[单选题]89.Hadoop中MapReduce组件擅长处理哪种场景的计算任务?A)迭代计算B)离线计算C)实时交互计算D)流式计算答案:B解析:[单选题]90.欲构造ArrayList类的一个实例,此类继承了List接口,下列个方法是正确的?()A)ArrayListmyList=newObject0;B)ListmyList=newArrayList():C)ArrayListmyList=newList():D)ListmyList=newList():答案:B解析:[单选题]91.一个一元线性回归模型的判定系数R2=0.8，那么下列解释中错误的是()A)因变量的变差中，有80%可以由自变量与因变量之间的线性关系来解释B)在因变量的变动中，有80%是由自变量所决定的C)自变量与因变量之间有着较强的线性关系D)在训练集中，因变量的估计精度上限为80%答案:D解析:根据判定系数的定义。[单选题]92.以下哪个不属于波特五力竞争分析模型的内容。()A)潜在竞争者威胁B)替代品威胁C)企业外部的机会D)供应商议价能力答案:C解析:[单选题]93.以下哪些选项属于Hive的数据存储模型?A)桶B)数据库C)分区D)表答案:D解析:[单选题]94.某公司的总会计师决定用决策模型应对不确定性问题。目前,公司有两种方案可供选择,与另一跨国公司联合投资或不联合投资。总会计师提供了以下信息:方案1:联合投资的结果和概率:成功概率为60%,投资成本为1200万元,投资成功的现金流为2000万元,投资不成功的现金流为200万元,其他成本为0元,至此时已发生的成本为120万元。方案2:不联合投资的结果和概率;至此时已发生的成本为120万元,其他成本为500000元。下列哪项分别正确地反映了联合投资与不联合投资的期望值?0A)800000元和-1700000元B)-700000元和-500000元C)800000元和-500000元D)-700000元和-1700000元答案:C解析:[单选题]95.在下表中查询员工人数大于1人的部门以及该部门的平均绩效成绩表名:绩效成绩A)selectB)selectC)selectD)select答案:C解析:本题考查groupby与having的用法，having作为查询的限定条件后边要使用聚合函数，与groupby一起使用。A没有按照部门分组，B的having后边没有跟聚合函数，D用where限定条件，后边不能跟聚合函数。所以正确答案为C。[单选题]96.下列选项中,哪个是对分类器效果验证指标中准确率的正确表述。)A)预测为正的数据在总数据中的比例B)预测正确的数据在总数据中的比例C)预测为正的数据中实际为正的数据所占比例D)实际为正的数据中被预测为正的数据所占比例答案:C解析:[单选题]97.下列关于数据挖掘说法正确的是()。A)数据挖掘更加注重预测B)数据挖掘在方法论上与统计模型没有区别C)数据挖掘更加注重对于前期各种假设的检验D)数据挖掘不属于数据分析范畴答案:A解析:数据挖掘偏重预测，统计模型偏重关系发现。[单选题]98.在对某个多元线性回归模型的分析中，如果某自变量的VIF=1，这说明()A)此自变量与因变量不存在线性相关性B)此自变量与其他自变量不存在线性相关性C)此模型存在非常严重的共线性D)此多元回归模型的R2=0答案:B解析:VIF是共线性检验指标，最小为1。注意此题的D选项为干扰选项，VIF值的计算公式中的R2不是指模型本身的R2。[单选题]99.在Flink的运行流程中,负责申请资源的角色是?A)ResourcemanagerB)JobmanagerC)ClientD)Taskmanager答案:B解析:[单选题]100.Spark是用以下那种编程语言实现的?A)CB)C++C)javaD)Scala答案:D解析:[单选题]101.以下关于Hive操作描述不正确的是()。A)Hive是一个建立在hadoop文件系统上的数据仓库架构,可以用其对HDFS上B)Hive依赖于MapReduce处理数据C)Hive的加载数据时候,可以用local进行修饰,表示从某个本地目录下加载数据D)Hive一般可以用于实时的查询分析答案:D解析:[单选题]102.关于中位数描述错误的是()。A)在有极端数值出现时,中位数作为分析现象中集中趋势的数值,比平均数更有代表性B)主要用于顺序数据,也可用数值型数据,但不能用于分类数据C)各变量值与中位数的离差绝对值之和最小D)中位数一般与算数平均值接近答案:D解析:[单选题]103.Kafka集群中,Kafka服务端部署的角色是A)ProducerB)ConsumerC)ZooKeeperD)Broke答案:D解析:[单选题]104.下面关于Zookeeper特性的描述错误的是?A)消息更新只能成功或者失败,没有中间状态B)Zookeeper节点数必须为奇数个C)一条消息要被超过半数的Server接收,它将可以成功写入磁盘D)客户端所发送的更新会按照它们被发送的顺序进行应用答案:B解析:[单选题]105.kafka-clustermirroring工具可以实现以下那些功能?()A)kafka集群数据同步方案B)kafka单集群内数据备份C)kafka单集群内数据恢复D)以全部不对答案:A解析:[单选题]106.下面对Streaming的特性说法正确的是()?A)如果并不要求每个消息必须被处理(允许在处理过程中丢失一些信息),那么可以关闭消息的可靠处理机制,从而可以获取较好的性能。B)关闭消息的可靠处理机制意味着系统中的消息数不会减少。C)将参数Config.TOPOLOGY_ACKERS设置为1可以关闭消息的可靠性处理机制D)Spout发送个消息时,使用指定消息messageID的接口进行发送可以关闭消息的可靠性处理机制。答案:A解析:[单选题]107.以下算法中,不属于基于原型的聚类算法的是()。A)EM算法B)模糊C均值C)SOMD)CLIQUE答案:D解析:[单选题]108.什么是KDD?()A)数据挖掘与知识发现B)动态知识发现C)文档知识发现D)领域知识发现答案:A解析:[单选题]109.下面哪个函数是publicvoidaMethod({.}的重载函数?A)voidaMethod(){...}B)publicintaMethod(f...)C)publicvoidaMethod(){...}D)publicintaMethod(intm){...}答案:D解析:[单选题]110.将总体分成均衡的几个部分,然后按照预先定出的规则,从每一部分抽取一个个体,得到所需要的样本,这种抽样方法叫做()。A)随机抽样B)分层抽样C)整群抽样D)系统抽样答案:D解析:[单选题]111.层次聚类中，聚类的变量类型是()A)连续变量B)分类变量C)两者都可以D)不确定答案:C解析:层次聚类的变量可以是连续变量，也可以是分类变量。[单选题]112.关于Hive与Hadoop其他组件的关系,以下描述错误的是?A)Hive最终将数据存储在HDFs中B)HiveSQL其本质是执行MapReduce任务C)Hive是Hadoop平台的数据仓库工具D)hive对HBase有强依赖答案:D解析:[单选题]113.使用JAVAAPI进行HBase操作,以下命令输写正确的是()。A)HBaseTestCase.get(tablename);B)HBaseTestCase.get(tablename,'row1?;C)HBaseTestCase.delete(tablename,'row1','row2');D)HBaseTestCase.scan(tablename,'row1''row2');答案:B解析:[单选题]114.数据挖掘中NaiveBayes于什么方法?()A)聚类B)分类C)时间序列D)关联规则答案:B解析:[单选题]115.下列有关回归分析的说法,错误的是()。A)回归分析的变量之间要有实际意义,不能把毫无关联的两种现象随意进行回归分析,要结合专业知识对两事物之间是否存在因果关系作出合理解释和结论。B)在进行线性回归分析进行的数据准备的时候,要求因变量y和自变量x都是符合总体正态的随机变量。C)回归直线不要随意外延D)所有非线性回归都可以转化为线性回归答案:D解析:[单选题]116.LSM结构的数据首先存储在()。A)硬盘上B)内存中C)磁盘阵列中D)闪存中答案:B解析:[单选题]117.以下关于层次聚类的描述中，错误的是()A)层次聚类也叫作系统聚类B)层次聚类法通常分为自底向上和自顶向下C)层次聚类的过程非常清楚，会形成类似树状的聚类图谱，便于理解和检查D)层次聚类适用于数据量非常大或者变量非常多的项目答案:D解析:层次聚类由于需要反复计算距离，限制了层次聚类的速度。因此不适用于数据量非常大或者变量非常多的项目。[单选题]118.分类算法就是按照某种标准给对象贴标签,再根据标签来归类,以下属于分类算法的是【)。A)DBSCANB)C4.5C)K-MeanD)EM答案:B解析:第2部分：多项选择题，共74题，每题至少两个正确答案,多选或少选均不得分。[多选题]119.下列哪项可以作为集群的管理?A)PuppetB)PdshC)ClouderaManagerD)Zookeeper答案:ABD解析:[多选题]120.以下叙述正确的有()。A)两变量独立,两者的皮尔森相关系数必然等于0B)两变量皮尔森相关系数不等于0.两者必然不独立C)皮尔森相关系数是否等于零,不能指明两变量是否独立D)两变量不独立,两者的皮尔森相关系数必然不等于0答案:AB解析:[多选题]121.若想分析分类变量之间的相关性，可以采用以下哪种方法()A)卡方检验B)t检验C)计算皮尔逊相关系数D)计算列联相关系数(coefficient答案:AD解析:BC只能用来分析数值型变量，分类变量用不了这两种方法。[多选题]122.以下哪些是集中趋势分析的指标。()A)均值B)中位数C)众数D)四分位数答案:ABCD解析:[多选题]123.可以用于表示某公司一年中每个月销量变化的数据图形类型是()。A)矩形竖图B)柱状图C)堆积面积图D)雷达图答案:BC解析:[多选题]124.Hive中的这条命令""SELECTa.salary,b.addressFROMemployeeaJOIN(SELECTaddressFROIemployeeinfowhereprovince=zhejiang)bONa:?"是个什么类型的操作?A)导入数据B)join查询C)创建表D)子查询答案:BD解析:[多选题]125.逻辑回归中常用的筛选变量的方法有()A)Wald检验B)似然比检验C)F检验D)主观判断答案:AB解析:[多选题]126.Zookeeper可以为FusionInsight哪些提供分布式管理支持?A)HiveB)loaderC)hbaseD)Spark答案:ACD解析:[多选题]127.Flink的兼容性体现在以下哪些方面?A)YARN能够作为F1ink集群的资諒调度管理器B)能够与Hadoop原有的Mappers和Reducers混合使C)能够使用Hadoop的格式化输入和输出口D)能够从本地获取数据答案:ACD解析:[多选题]128.下列模型中,可用于平稳时间序列的拟合的是()。A)线性随机模型B)ARMA模型C)混合自回归模型D)趋势模型答案:ABC解析:[多选题]129.现有一家企业，希望估计其客户的年龄均值，可以采用的抽样方法有()A)简单随机抽样B)分层抽样C)配额抽样D)滚雪球抽样答案:AB解析:CD是非概率抽样，不能推断总体。[多选题]130.某大样本数据集的缺失值占比约10%。数据分析师小A首先删除了所有有缺失值的样本，建立了回归模型。然后用某种方法进行了缺失值处理后，重新建立了回归模型，发现模型的VIF值较之前有了很大的增幅。请问小A有可能采用的哪种方法进行的缺失值处理？()A)均值填补B)K-means聚类填补C)回归填补D)忽略缺失值的极大似然估计答案:BC解析:此题为本试卷最难题。A只涉及变量本身，D涉及数据集整体，这两种方法都不会影响自变量之间的相关性，即不会让VIF值产生显著变化。而BC两种方法都是以变量之间的联系作为填补的基础，会在一定程度上改变变量之间的相关性，导致VIF值变化。[多选题]131.以下哪些是典型的关联规则应用场景。()A)穿衣搭配推荐B)依据用户轨迹的商户精准营销C)实时新闻推荐D)金融客户交叉销售答案:ABCD解析:[多选题]132.下面哪些是Hadoop2.x的组件?A)SparkB)HiveC)HBaseD)GFS答案:ABC解析:[多选题]133.在假设检验中，关于P值说法正确的是()A)P值是一个概率值B)P值小于显著性水平，则拒绝原假设C)P值大于显著性水平，则无法拒绝原假设D)P值的数值等于检验统计量答案:ABC解析:P值等于密度函数下放，检验统计量右侧或左侧的面积，具体需要根据原假设确定。[多选题]134.以下算法中对缺失值不敏感的是()。A)Logistic回归B)CART决策树C)SVM算法D)朴素贝叶斯答案:BD解析:[多选题]135.以下哪些选项于fusioninsight数据安全性?A)操作系统安全加固B)组件数据加密C)数据完整性校验D)用户权限认证管理答案:BC解析:[多选题]136.HBase的数据文件HFile中一个Keyvalue格式包含哪些信息?A)KevB)valueC)TimeStampD)Keytype答案:ABCD解析:[多选题]137.SQL中的HAVING用法,正确的有()。A)HAVING子句必须与GROUPBY子句同时使用,不能单独使用B)使用HAVING子句的同时不能使用WHERE子句C)使用HAVING子句的同时可以使用WHERE子句D)使用HAVING子句的作用是限定分组的条件答案:ACD解析:[多选题]138.方差分析的基本假设前提是()。A)各处理条件下的样本均来自正态总体B)各处理条件下的样本相互独立C)各处理条件下样本的方差都相等D)各处理条件下样本均值相等方差可以不等答案:ABC解析:[多选题]139.下列关于worker(工作进程)、executor(线程)、Task(任务)说法正确的是?A)每个Execute(线程)可以运行多个task(任务)B)每个worker可以运行多个Executor(线程)C)每个Executor(线程)可以运行不同组件(Spout或Bolt)的rask(任务)D)每个worker只能为个拓扑运行executor(线程)答案:ABC解析:[多选题]140.Spark有哪些特点?A)快B)灵C)轻D)1巧答案:ABCD解析:[多选题]141.大数据的主要特征表现为()。A)数据容量大B)商业价值高C)处理速度快D)数据类型多答案:ABCD解析:[多选题]142.小张为了进行客户价值评估，建立了多元线性回归模型，为了对残差的正态分布进行检验，他可以对残差进行()A)绘制频数分布图B)绘制P-P图C)进行KS检验D)绘制Q-Q图答案:ABCD解析:四个方法都可以，ABD是定性方法，C是定量方法。[多选题]143.Loader作业的配置包括以下哪些步骤()?A)基本信息B)输入配置C)转换D)输出配置答案:ABCD解析:[多选题]144.HBase提供多种数据访问接口的方式,包含接口有()。A)JavaAPIB)HBaseShellC)ThrifGatewayD)RESTGateway答案:AB解析:[多选题]145.问题结构是由()构成的。A)现状B)直接原因C)间接原因D)最终原因答案:ABD解析:[多选题]146.AGNES算法可分为【)。A)单链算法B)多链算法C)全链算法D)均链算法答案:ACD解析:[多选题]147.收集整理信息时的竞争分析包含哪些内容。()A)确定行业中主要竞争者B)收集竞争对手的相关信息C)收集行业关键技术信息D)搜集产业链上下游主要环节答案:AB解析:[多选题]148.下面哪些不是spark的机器学习库？A)MapReduceB)HDFSC)HBaseD)MLlib答案:ABC解析:[多选题]149.FusioninsightManager的主要功能有以下哪些?()A)数据集成B)系统管理C)安全管理D)服务治理答案:BCD解析:[多选题]150.云计算的特点包括以下哪些方面?A)服务可计算B)高性价比C)服务可租用D)低使用度答案:ABC解析:[多选题]151.对于SCADA系统来说,需要监视下列哪些数据A)遥测B)退信C)遥调D)遥控答案:AB解析:[多选题]152.以下关于主成分分析的描述正确的有()A)主成分分析的本质就是找到解释变量的公共因子和特殊因子B)在主成分分析中，对应最大特征值的特征向量，其方向正是协方差矩阵变异最大的方向C)我们一般只保留的前k个主成分，其对应主成分特征根之和大于1就可以了D)我们一般使得保留的前k个主成分累计能够解释数据80%以上的变异答案:BD解析:寻找公共因子是因子分析的目的，在主成分分析算法中，我们一般要求最后一个主成分对应的不应小于1。[多选题]153.Hadoop分布式文件系统(HDFS)具有(】的特性。A)适合数据批量处理B)数据处理能力极强C)最大化吞吐率D)允许计算向数据迁移答案:ACD解析:[多选题]154.HBase集群定时执行Compaction的目的是什么?A)减少同一个Regin同个ColumnFamily下的文件数目B)提升数据读取性能C)减少同一个ColumnFamily的文件数据D)减少同一个Region的文件数目答案:AB解析:[多选题]155.关于HadoopHDFS的冗余数据存储设计的优点,下面说话正确的是()。A)加快数据的传输速度,冗余备份可以并行访问数据,加快了操作访问效率B)容易的检查数据错误,冗余备份机制可以用来互相参照,容易检查数据错误C)容易保持数容易保持数据的一致性,冗余备份机制使得即使有一个副本坏掉了,只要副本量低于预设值,系统会自动复制副本达到预设值据的一致性/冗余备份机制使得即使有一个副本坏掉只D)提升磁盘空间的利用率,冗余备份机制使得磁盘空间有效利用答案:ABC解析:[多选题]156.描述统计包括哪些部分。()A)集中趋势分析B)离散趋势分析C)相关分析D)D推断统计答案:ABC解析:[多选题]157.建立大数据需要设计一个什么样的大型系统?A)能够把应用放到合适的平台上B)能够开发出相应应用C)能够处理数据D)能够存储数据答案:ABCD解析:[多选题]158.下列关于大数据的说法中,错误的是()。A)大数据具有体量大、结构单一、时效性强的特征B)处理大数据需采用新型计算架构和智能算法等新技术C)大数据的应用注重相关分析而不是因果分析D)大数据的应用注重因果分析而不是相关分析答案:AD解析:[多选题]159.大数据采集中面临的主要问题有以下哪些?A)如何避免重复数据B)数据源多种多样,数据量大、变化快C)如何保证数据的质量D)如何保证数据采集的可靠性答案:ABCD解析:[多选题]160.以下关于闵可夫斯基距离和杰卡德相似系数的说法，正确的是()A)欧氏距离可以看成是特殊形式的闵可夫斯基距离B)闵可夫斯基距离用于连续型数据C)杰卡德相似系数用于分类数据D)杰卡德相似系数用于连续型数据答案:ABC解析:[多选题]161.C4.5算法是由RossQuinlan开发的用于产生决策树的算法,以下描述正确的有(1-A)每个节点的分支度只能为2B)使用gainratio作为节点分割的依据C)可以处理数值型态的字段D)可以处理空值的字段答案:BCD解析:[多选题]162.以下属于分类器模型评价指标的有(A)预测准确度B)recallC)模型描述的简洁度D)F1-Score答案:ABD解析:[多选题]163.下列哪些措施是为了保障数据的完整性()A)元数据可靠性保证B)重建失效数据盘的副本数据C)安全模式D)集群数据均衡答案:ABCD解析:[多选题]164.以下哪几种数据结构被AutoreleasePoolPage使用()A)数组B)字典C)链表D)栈答案:CD解析:[多选题]165.在层次聚类中，可以用来定义两个类之间距离的方法有()A)最短距离法B)最长距离法C)中间距离法D)重心法答案:ABCD解析:在层次聚类中，我们可以用最短距离法、最长距离法、中间距离法、类平均距离法、重心法和离差平方和法等方法定义类之间的距离。[多选题]166.从方向上，逐步回归可以分为以下几类()A)向前选择法B)向后删除法C)双向法D)完全法答案:ABC解析:从方向上，逐步回归可以分为三类，分别是向前选择法、向后删除法和双向法。[多选题]167.数据分析结果呈现需要做哪些准备工作。()A)确定表达的主题B)确定对比关系C)选择图形D)讲解与说明答案:ABC解析:[多选题]168.关于单因素方差分析，下列说法正确的是()A)组内平方和只包含随机误差B)组间平方和只包含系统误差C)如果组间均方远大于组内均方，那么就说明不同水平之间均值存在着显著差异。D)如果组间均方远大于组内均方，那么就说明分类变量对于数值变量有显著影响。答案:ACD解析:组间平方和包含随机误差和系统误差。[多选题]169.相关分析可以做到()。A)判定现象之间有无关系B)判定现象之间关系的方向C)判定相关关系的紧密程度D)说明现象之间联系的具体形式答案:ABCD解析:[多选题]170.大数据加电子商务的应用方向有()。A)用户画像B)精准营销C)个性化推荐D)动态定价答案:ABCD解析:[多选题]171.分析报告的模式包括以下哪些。()A)专题式B)综合式C)工作汇报式D)金字塔式答案:ABCD解析:[多选题]172.以下选项中属聚类算法的是()。A)K-MeansB)DBSCANC)AprioriD)KNN答案:AB解析:[多选题]173.下面关于Hbase的特性描述正确的是(1。A)高可靠性B)高性能C)面向列D)可伸缩答案:ABCD解析:[多选题]174.关于Flume,下列说法错误的是?A)Flume级联节点之间的数据传输支持加密B)Rlume支持多级联和多路复用C)Source到Channel到Sink等进程内部有加密的必要D)Flume级联节点之间的数据传输不支持压缩答案:CD解析:[多选题]175.Streaming的处理节点Bolt中,可以完成以下哪些操作?()A)连接运算B)过滤(Filter)C)连接数据库D)业务处理答案:ABCD解析:[多选题]176.FusioninsightHD系统中使用Streaming客户端Shell命令提交了拓扑之后,使用StormUl查看发现该拓长时间没有处理数据,可能原因有?()A)查看客户端异常堆栈,判断是否客户端使用问题B)查看主Nimbus的运行日志,判断是否Nimbus服务端异常C)查看Supervisor运行日志,判断是否Supervisor异常D)查看Worker运行日志答案:AB解析:[多选题]177.Spark适用于以下哪些场景?A)交互式查询B)实时流处理C)批处理D)图计算答案:ABCD解析:[多选题]178.分类测试集的选取方法可以有以下哪些。()A)均分法B)保持法C)随机二次抽样法D)交叉验证答案:BCD解析:[多选题]179.在大数据时代,企业所面临的挑战有以下哪些?A)企业各部门间数据分散,相同数据在各内部存儲格式不一致B)数据结构多样化C)竞争对手的技术进步D)数据存在噪音、缺失、存储类型不规范等问题,需要进行大量的数据预处理工作答案:ABD解析:[多选题]180.云计算使得使用信息的存储是一个【】的方式,它会大大地节约网络的成本,使得网络将来越来越泛在、越来越普及,成本越来越低。A)分布式B)密闭式C)密集式D)共享式答案:AD解析:[多选题]181.收集整理信息时的行业环境有()。A)行业规模及发展速度B)行业竞争状况C)行业挑战及机遇D)行业发展趋势及方向答案:ABCD解析:[多选题]182.Hadoop集群具有以下哪个优点?A)高容错性B)高成本性C)高可靠性D)高扩展性答案:ACD解析:[多选题]183.Flink流式处理的数据源类型包括?()A)CollectionsB)JDBCC)SocketstreamsD)Flles答案:ABCD解析:[多选题]184.光缆是数据传输中最有效的一种传输介质,它有()A)频带较宽B)电磁绝缘性能好C)衰减较小D)无中继段长答案:AB解析:[多选题]185.MLlib可以实现哪些数据分析操作？A)分类B)回归C)聚类D)降维答案:ABCD解析:[多选题]186.ROC曲线是基于()来判断逻辑回归模型的效果A)灵敏度B)特异度C)效度D)速度答案:AB解析:ROC曲线是基于灵敏度和特异度来进行判断的。[多选题]187.以下哪种方法可以用于分析时间序列数据()A)差分法B)移动平均值法(MA)C)自回归法(AR)D)随机效应法(RM)答案:ABC解析:D是用于分析面板数据的。[多选题]188.统计局进行CPI统计中的价格采集,采用的三定原则是(8A)定时B)定量C)定点D)定人答案:ACD解析:[多选题]189.以下统计指标,不受极值影响的是()。A)平均数B)四分位差C)极差D)D众数答案:BD解析:[多选题]190.以下是Spark中executor的作用是()A)保存计算的RDD分区数据B)向Driver反向注册C)接受Driver端发送来的任务Task,作用在RDD上进行执行D)做资源调度任务答案:ABC解析:[多选题]191.关于Hbase存储型的描述正确的是?A)即使是key值相同,qualifier也相同的多个keyvalue.也可能有多个,此时使用时间戳B)同一个key值可以关联多个valueC)keyvalue期有时间戳,类型等关键信息D)每一个keyvalue都有一个qualifier标识答案:ABCD解析:[多选题]192.大数据作为种数据集合,它的含义包括()。A)数据很大B)很有价值C)构成复杂D)变化很快答案:ACD解析:第3部分：判断题，共68题，请判断题目是否正确。[判断题]193.?大数据?是指存储量超过100TB的数据集。A)正确B)错误答案:错解析:[判断题]194.Python中代码缩进使用的是空格或Tab,这2种缩进可以混用。A)正确B)错误答案:错解析:[判断题]195.对高价值高度聚合的信息和知识的批次处理是大数据行业主要商业诉求。A)正确B)错误答案:对解析:[判断题]196.机器学习是人工智能的一个分支。A)正确B)错误答案:对解析:[判断题]197.Spark任务的Executor可以执行多个taskA)正确B)错误答案:对解析:[判断题]198.相关变量中,多个自变量响一个或多个因变量的统计分析方法称为多元回归分析。A)正确B)错误答案:对解析:[判断题]199.平均数消除了个体之间的差异,容易导致误判。A)正确B)错误答案:对解析:[判断题]200.DBSCAN算法会删掉它认为是噪声点的数据点。A)正确B)错误答案:对解析:[判断题]201.Kafka是一个高吞吐,分布式,基于发布订阅的消息系统,利用Kafka技术可在廉价PCServer上搭建起大规模消息系统。A)正确B)错误答案:对解析:[判断题]202.Yam可以作为Spark的资源调度框架A)正确B)错误答案:对解析:[判断题]203.Spark应用运行时,如果某个task运行失败则导致整个app运行失败A)正确B)错误答案:错解析:[判断题]204.链式MapReduce计算中,对任意一个MapReduce作业,Map和Reduce阶段可以有无限个Mapper,但Reducer只能有一个。A)正确B)错误答案:对解析:[判断题]205.聚类分析可以看作是一种非监督的分类,没有训练集。A)正确B)错误答案:对解析:[判断题]206.一般而言,分布式数据库是指物理上分散在不同地点,但在逻辑上是统一的数据库。因此分布式数据库具有物理上的独立性、逻辑上的一体性、性能上的可扩展性等特点。A)正确B)错误答案:对解析:[判断题]207.在硬件条件充裕的情况下,可在数据库中尽量多的建立索引,因为使用索引可以快速访问。A)正确B)错误答案:对解析:[判断题]208.大数据分析可以从海量数据中发现趋势或者规律,具有很高的应用价值。A)正确B)错误答案:对解析:[判断题]209.大数据与传统数据有着本质上的差别,因为大数据有专门的处理软件。A)正确B)错误答案:错解析:[判断题]210.数据分析挖掘的目的是把隐藏在一大批看似杂乱无章的数据中的有价值的信息进行整合并提炼出来，找出所研究对象的内在规律。A)正确B)错误答案:对解析:[判断题]211.大数据最重要的特点是数据量大,噪声数据少,所以收集数据过程中要力求精确A)正确B)错误答案:错解析:[判断题]212.Hive中?Groupby?指的是通过一定的规将每一个数据集划分成若干个小的数据集然后针对若干个小的数据集进行数据分组处理。A)正确B)错误答案:对解析:[判断题]213.用户权限管理基于角色的访问控制(RBAC),提供可视化的多组统一的集群中用户权限管理。A)正确B)错误答案:对解析:[判断题]214.Ganglia不仅可以进行监控,也可以进行告警。A)正确B)错误答案:错解析:[判断题]215.Flume传输的可靠性是指Flume在传输数据过程中,当下一跳的Flume节点故障或者数据接收异常时,可以自动切换到另外一路上继续传输?()A)正确B)错误答案:对解析:[判断题]216.在折线图中,类别数据沿水平轴均匀分布,所有值数据沿垂直轴均匀分布。A)正确B)错误答案:对解析:[判断题]217.遗传算法是从单个初始值选代求最优解的容易误入局部最优解。A)正确B)错误答案:错解析:[判断题]218.S在写入数据是只存2份,那么在写入过程中,HDFSClient先将数据写入Datanode1,再将数据写入Datanode2。()A)正确B)错误答案:错解析:[判断题]219.文本挖掘是从大量文本数据中提取以前未知的、有用的、可理解的、可操作的知识的过程,又称信息检索。A)正确B)错误答案:错解析:[判断题]220.Hbase中penscanner的过程,会创建两种不同的Scanner来读取H-File和Memstore的数据,HFile对应的ScanStorefilescanner,Memstore对应的Scanner为Memstorescanner。A)正确B)错误答案:对解析:[判断题]221.时间序列是按时间顺序的一组数字。A)正确B)错误答案:对解析:[判断题]222.若一个神经网络(BP神经网络)模型无隐藏层,输出层个数也只有一个,则可以看做是逻辑回归模型。A)正确B)错误答案:对解析:[判断题]223.神经网络