安徽财经大学《大数据分析及应用》2025-2026学年第二学期期末试卷(A卷)

说明：本试卷将作为样卷直接制版胶印，请命题教师在试题之间留足答题空间。（第1页共6页）制卷人签名：制卷人签名：制卷日期：审核人签名：：审核日期：………………………………………………装……订……线…………………安徽财经大学《大数据分析及应用》2025-2026学年第二学期期末试卷(A卷)适用年级专业考试方式闭卷考试时间120分钟学院专业班级学号姓名题号一二三四五六七八总分阅卷教师得分………………得分一、单项选择题（每题1分，共20分）1.下列哪项不是大数据分析中的数据类型？A.结构化数据B.半结构化数据C.非结构化数据D.文本数据2.在大数据分析中，以下哪个工具用于数据清洗？A.HadoopB.SparkC.PythonD.R3.下列哪个算法属于机器学习中的监督学习算法？A.K-meansB.AprioriC.DecisionTreeD.KNN4.下列哪个指标用于评估分类模型的性能？A.精确率B.召回率C.F1分数D.ROC曲线5.在大数据分析中，以下哪个概念与数据挖掘相关？A.数据仓库B.数据湖C.数据流D.数据挖掘6.下列哪个算法属于无监督学习算法？A.K-meansB.AprioriC.DecisionTreeD.KNN7.在大数据分析中，以下哪个工具用于数据可视化？A.HadoopB.SparkC.PythonD.R8.下列哪个指标用于评估聚类模型的性能？A.精确率B.召回率C.F1分数D.聚类有效性9.在大数据分析中，以下哪个概念与数据挖掘相关？A.数据仓库B.数据湖C.数据流D.数据挖掘10.下列哪个算法属于机器学习中的监督学习算法？A.K-meansB.AprioriC.DecisionTreeD.KNN11.在大数据分析中，以下哪个工具用于数据清洗？A.HadoopB.SparkC.PythonD.R12.下列哪个指标用于评估分类模型的性能？A.精确率B.召回率C.F1分数D.ROC曲线13.在大数据分析中，以下哪个概念与数据挖掘相关？A.数据仓库B.数据湖C.数据流D.数据挖掘14.下列哪个算法属于无监督学习算法？A.K-meansB.AprioriC.DecisionTreeD.KNN15.在大数据分析中，以下哪个工具用于数据可视化？A.HadoopB.SparkC.PythonD.R16.下列哪个指标用于评估聚类模型的性能？A.精确率B.召回率C.F1分数D.聚类有效性17.在大数据分析中，以下哪个概念与数据挖掘相关？A.数据仓库B.数据湖C.数据流D.数据挖掘18.下列哪个算法属于机器学习中的监督学习算法？A.K-meansB.AprioriC.DecisionTreeD.KNN19.在大数据分析中，以下哪个工具用于数据清洗？A.HadoopB.SparkC.PythonD.R20.下列哪个指标用于评估分类模型的性能？A.精确率B.召回率C.F1分数D.ROC曲线二、多项选择题（每题2分，共20分）1.以下哪些是大数据分析中的数据类型？A.结构化数据B.半结构化数据C.非结构化数据D.文本数据2.以下哪些工具用于数据清洗？A.HadoopB.SparkC.PythonD.R3.以下哪些算法属于机器学习中的监督学习算法？A.K-meansB.AprioriC.DecisionTreeD.KNN4.以下哪些指标用于评估分类模型的性能？A.精确率B.召回率C.F1分数D.ROC曲线5.以下哪些概念与数据挖掘相关？A.数据仓库B.数据湖C.数据流D.数据挖掘6.以下哪些算法属于无监督学习算法？A.K-meansB.AprioriC.DecisionTreeD.KNN7.以下哪些工具用于数据可视化？A.HadoopB.SparkC.PythonD.R8.以下哪些指标用于评估聚类模型的性能？A.精确率B.召回率C.F1分数D.聚类有效性9.以下哪些概念与数据挖掘相关？A.数据仓库B.数据湖C.数据流D.数据挖掘10.以下哪些算法属于机器学习中的监督学习算法？A.K-meansB.AprioriC.DecisionTreeD.KNN三、判断题（每题1分，共10分）1.大数据分析中的数据类型只有结构化数据。（）2.Hadoop是一种用于数据清洗的工具。（）3.K-means算法属于无监督学习算法。（）4.精确率是评估分类模型性能的指标之一。（）5.数据挖掘与数据仓库相关。（）6.Apriori算法属于监督学习算法。（）7.R是一种用于数据可视化的工具。（）8.聚类有效性是评估聚类模型性能的指标之一。（）9.数据湖是一种用于存储非结构化数据的工具。（）10.KNN算法属于监督学习算法。（）四、名词解释（每题4分，共20分）1.大数据分析2.数据清洗3.机器学习4.数据挖掘5.数据可视化五、简答题（每题6分，共18分）1.简述大数据分析的基本流程。2.简述数据清洗的步骤。3.简述机器学习的基本原理。六、案例分析