2025 年大学大数据科学与技术（大数据科学）试题及答案

2025年大学大数据科学与技术（大数据科学）试题及答案

（考试时间：90分钟满分100分）班级______姓名______一、选择题（总共10题，每题3分，每题只有一个正确答案，请将正确答案填在括号内）1.大数据的4V特征不包括以下哪一项？（）A.VolumeB.VelocityC.VarietyD.Validity2.以下哪种算法不属于机器学习中的监督学习算法？（）A.决策树B.支持向量机C.聚类算法D.线性回归3.数据挖掘中的关联规则挖掘主要用于发现（）。A.数据之间的因果关系B.数据之间的相关性C.数据的分类D.数据的聚类4.以下哪个是分布式文件系统？（）A.HadoopDistributedFileSystemB.MySQLC.OracleD.Redis5.大数据处理流程中，数据清洗的目的不包括（）。A.去除重复数据B.处理缺失值C.增加数据维度D.纠正错误数据6.以下哪种编程语言在大数据领域应用广泛？（）A.JavaB.C++C.PythonD.VisualBasic7.机器学习中的模型评估指标，对于分类问题常用的是（）。A.均方误差B.准确率C.平均绝对误差D.决定系数8.数据仓库的主要特点不包括（）。A.面向主题B.集成性C.实时性D.非易失性9.以下哪个是大数据可视化工具？（）A.TableauB.PhotoshopC.DreamweaverD.Premiere10.大数据安全面临的主要挑战不包括（）。A.数据泄露B.数据篡改C.数据备份D.数据滥用二、多项选择题（总共5题，每题5分，每题至少有两个正确答案，请将正确答案填在括号内）1.大数据分析的主要步骤包括（）。A.数据采集B.数据存储C.数据分析D.数据可视化E.数据安全2.以下属于无监督学习算法的有（）。A.主成分分析B.奇异值分解C.神经网络D.朴素贝叶斯E.K均值聚类3.数据挖掘的主要任务包括（）。A.分类B.聚类C.关联规则挖掘D.预测E.数据清洗4.分布式计算框架有（）。A.MapReduceB.SparkC.FlinkD.HBaseE.Kafka5.大数据存储技术包括（）。A.关系型数据库B.非关系型数据库C.分布式文件系统D.云存储E.缓存技术三、判断题（总共10题，每题2分，判断对错，请在括号内填“√”或“×”）1.大数据就是数据量特别大的数据。（）2.监督学习中，训练数据既有特征又有标签。（）3.数据挖掘就是从大量数据中发现有价值信息的过程。（）4.分布式系统一定比单机系统性能好。（）5.大数据可视化只能展示简单的数据信息。（）6.机器学习算法可以自动从数据中学习模式和规律。（）7.数据仓库是为了事务处理而设计的。（）8.所有的大数据处理都必须在云端进行。（）9.数据安全主要关注数据的加密，与数据的备份无关。（）10.无监督学习不需要人工标注数据。（）四、简答题（总共3题，每题10分）1.简述大数据的5V特征及其含义。2.请说明监督学习和无监督学习的区别，并各举一个例子。3.数据挖掘中常用的分类算法有哪些？请简要介绍其中一种。五、综合题（总共2题，每题15分）1.假设你要构建一个电商用户购买行为预测模型。请描述你会如何进行数据采集、数据预处理、模型选择与训练以及模型评估。2.阐述大数据在医疗领域的应用场景，并分析可能面临的数据安全挑战及应对措施。答案：一、选择题1.D2.C3.B4.A5.C6.C7.B8.C9.A10.C二、多项选择题1.ABCD2.ABE3.ABCD4.ABC5.ABCDE三、判断题1.×2.√3.√4.×5.×6.√7.×8.×9.×10.√四、简答题1.Volume（数据量大）、Velocity（数据增长速度快）、Variety（数据类型多样）、Value（数据具有价值）、Veracity（数据真实性）。2.监督学习有标注数据用于训练预测，如线性回归预测房价；无监督学习无标注数据找规律，如K均值聚类对客户分组。3.决策树、支持向量机、朴素贝叶斯等。以决策树为例，它基于树结构进行决策，每个内部节点是属性上的测试，分支是测试输出，叶节点是类别或值，易于理解和解释。五、综合题1.数据采集：从电商平台数据库、用户行为日志等收集用户购买相关数据。数据预处理：清洗缺失值、处理异常数据、编码分类变量。模型选择与训练：选逻辑回归等算