2026年计算机等级考试(二级人工智能与大数据)试卷及答案

2026年计算机等级考试(二级人工智能与大数据)试卷及答案一、单项选择题（每题1分，共20分）1.在机器学习中，用于衡量模型预测结果与真实值之间差异的指标是（）。A.准确率B.损失函数C.召回率D.精确率答案：B2.以下关于大数据4V特征中“Volume”的描述，最准确的是（）。A.数据增长速度快B.数据来源和类型多样C.数据价值密度低D.数据体量巨大答案：D3.在神经网络中，负责将输入数据线性加权求和的单元是（）。A.激活函数B.权重C.偏置D.神经元答案：D4.下列算法中，属于无监督学习算法的是（）。A.逻辑回归B.K-Means聚类C.支持向量机D.决策树答案：B5.在Hadoop生态系统中，负责资源管理和作业调度的核心组件是（）。A.HDFSB.MapReduceC.YARND.Hive答案：C6.以下哪个操作是典型的数据清洗步骤？（）A.数据可视化B.缺失值填充C.模型训练D.特征缩放答案：B7.关于过拟合现象，以下描述正确的是（）。A.模型在训练集和测试集上表现都很好B.模型在训练集上表现好，在未见过的数据上表现差C.模型过于简单，无法捕捉数据中的规律D.可以通过减少训练数据量来缓解答案：B8.在Python中，用于处理大型多维数组和矩阵的科学计算核心库是（）。A.PandasB.NumPyC.Scikit-learnD.Matplotlib答案：B9.下列数据库中，属于列式存储数据库的是（）。A.MySQLB.HBaseC.RedisD.MongoDB答案：B10.Apriori算法通常用于解决以下哪种问题？（）A.分类B.回归C.关联规则挖掘D.聚类答案：C11.在Spark中，一个不可变、可分区的分布式数据集合被称为（）。A.DataFrameB.RDDC.DatasetD.Stream答案：B12.以下哪种激活函数能够有效缓解梯度消失问题，并广泛应用于深度神经网络？（）A.Sigmoid函数B.Tanh函数C.ReLU函数D.阶跃函数答案：C13.关于数据仓库的特性，以下描述错误的是（）。A.面向主题B.实时更新C.集成性D.相对稳定答案：B14.在自然语言处理中，将文本转换为计算机能够处理的数值向量的过程称为（）。A.分词B.词性标注C.词嵌入D.句法分析答案：C15.下列指标中，同时考虑分类模型的精确率和召回率的是（）。A.准确率B.F1-ScoreC.ROC曲线D.AUC值答案：B16.以下关于主成分分析（PCA）的说法，正确的是（）。A.PCA是一种有监督的降维方法B.PCA的目标是最大化投影后数据的方差C.PCA后的新特征具有明确的物理意义D.PCA对数据的尺度不敏感答案：B17.在数据流处理框架中，Storm和Flink主要采用的处理模型是（）。A.批量处理模型B.微批处理模型C.流处理模型D.图处理模型答案：C18.关于梯度下降算法，以下说法错误的是（）。A.学习率是重要的超参数B.随机梯度下降比批量梯度下降收敛更快C.它总是能找到全局最优解D.动量法有助于加速收敛答案：C19.以下不属于数据可视化常用工具的是（）。A.TableauB.PowerBIC.EChartsD.TensorFlow答案：D20.在推荐系统中，基于用户历史行为数据，发现物品之间相似性并进行推荐的算法属于（）。A.基于内容的推荐B.协同过滤推荐C.混合推荐D.基于知识的推荐答案：B二、多项选择题（每题2分，共20分，全部选对得2分，选对但不全得1分，有选错得0分）1.以下关于HDFS的描述，正确的有（）。A.采用主从（Master/Slave）架构B.默认将文件块大小设置为64KBC.NameNode负责管理文件系统的命名空间和客户端访问D.DataNode负责存储实际的数据块E.具有高容错性，适合部署在廉价硬件上答案：A,C,D,E2.下列属于特征工程范畴的操作有（）。A.独热编码（One-HotEncoding）B.使用随机森林进行预测C.归一化（Normalization）D.特征选择（FeatureSelection）E.构建卷积神经网络答案：A,C,D3.以下关于Kafka的描述，正确的有（）。A.是一个分布式流处理平台B.主要用于实时数据管道和流式应用C.核心概念包括生产者、消费者和主题D.消息被消费后会立即删除E.具有高吞吐量、可持久化消息的特性答案：A,B,C,E4.关于决策树算法，以下说法正确的有（）。A.ID3算法使用信息增益作为特征选择标准B.C4.5算法使用信息增益比作为特征选择标准C.决策树容易过拟合，通常需要剪枝D.既可以处理分类问题，也可以处理回归问题E.对输入数据的尺度非常敏感答案：A,B,C,D5.以下哪些是数据预处理中处理缺失值的常用方法？（）A.直接删除含有缺失值的样本或特征B.使用均值、中位数或众数进行填充C.使用模型预测缺失值D.使用固定值（如-1）填充E.忽略缺失值，不做任何处理答案：A,B,C,D6.关于卷积神经网络（CNN），以下描述正确的有（）。A.卷积层主要用于提取局部特征B.池化层主要用于降低特征图的空间尺寸C.全连接层通常位于网络的最后几层D.对于图像数据，卷积核的深度必须与输入图像的通道数一致E.Dropout层常在卷积层中使用以防止过拟合答案：A,B,C,D7.大数据计算模式包括（）。A.批处理计算B.流计算C.图计算D.查询分析计算E.以上都是答案：E8.关于集成学习，以下说法正确的有（）。A.Bagging通过降低方差来提高模型泛化能力B.Boosting通过降低偏差来提高模型预测精度C.随机森林是Bagging思想的典型代表D.AdaBoost和GBDT都是Boosting算法E.集成学习的基础学习器必须是同质的答案：A,B,C,D9.以下关于NoSQL数据库分类的描述，正确的有（）。A.Redis属于键值（Key-Value）型数据库B.HBase属于列族（ColumnFamily）数据库C.MongoDB属于文档（Document）型数据库D.Neo4j属于图（Graph）数据库E.Cassandra属于键值型数据库答案：A,B,C,D10.以下属于监督学习任务的有（）。A.根据邮件内容判断是否为垃圾邮件B.根据用户历史行为预测其下一个可能购买的商品C.根据客户特征进行客户分群D.根据新闻标题和内容自动归类到不同板块E.根据传感器数据预测设备故障概率答案：A,B,D,E三、填空题（每空1分，共15分）1.在机器学习中，将数据集划分为训练集、______和测试集是常见的做法。答案：验证集2.支持向量机（SVM）中，用于处理线性不可分问题的技术称为______。答案：核技巧（或核函数）3.在数据挖掘的关联规则中，衡量规则可靠性的指标是______。答案：置信度4.在Python的Pandas库中，用于处理缺失值的方法`dropna()`和`fillna()`分别代表______和填充缺失值。答案：删除缺失值5.深度学习中，用于优化循环神经网络（RNN）长期依赖问题的改进结构是______和GRU。答案：LSTM（长短期记忆网络）6.大数据处理框架Spark的核心数据结构除了RDD，还有______和Dataset。答案：DataFrame7.在评估分类模型时，真正例（TP）与假正例（FP）之间的权衡关系可以通过______曲线直观展示。答案：ROC（受试者工作特征）8.数据仓库的典型分层架构通常包括：操作数据层（ODS）、______、数据集市层（DM）。答案：数据仓库层（DW）9.在自然语言处理中，Transformer模型的核心机制是______注意力机制。答案：自（Self-Attention）10.聚类分析中，用于评估聚类效果的内部指标（如簇内距离小，簇间距离大）的一个例子是______系数。答案：轮廓（Silhouette）11.在分布式计算中，用于保证数据一致性的CAP理论中的三个要素是：一致性、可用性、______。答案：分区容错性12.正则化是防止模型过拟合的重要手段，L1正则化可以产生______模型，有助于特征选择。答案：稀疏13.在推荐系统的评估中，______指标衡量的是推荐列表中最靠前的物品是否相关。答案：命中率（或Top-N命中率，或Precision@K）14.数据湖是一种存储______、半结构化和非结构化数据的集中式存储库。答案：结构化15.时间序列预测中，ARIMA模型中的“I”代表______。答案：差分（Integrated）四、简答题（共25分）1.（封闭型，5分）简述MapReduce计算模型的主要思想和两个核心阶段。答案：MapReduce是一种并行编程模型，用于大规模数据集的并行运算。其核心思想是“分而治之”，将大规模数据集切分成独立的小数据块，并行处理后再合并结果。两个核心阶段是：Map阶段和Reduce阶段。在Map阶段，各个Map任务并行处理输入数据块，生成一系列中间键值对。在Reduce阶段，系统将所有Map任务输出的中间键值对按照键进行排序和分组，然后将分组后的数据分配给不同的Reduce任务进行聚合处理，最终生成输出结果。2.（开放型，6分）请阐述在构建一个机器学习模型时，为什么要进行特征缩放（如归一化或标准化）？并至少列举两种常见的特征缩放方法。答案：进行特征缩放的主要原因有：第一，许多机器学习算法（如基于梯度下降的算法、KNN、SVM、PCA等）的性能或收敛速度会受到特征量纲和数值范围的影响。如果特征尺度差异巨大，数值范围大的特征可能会主导模型训练，导致模型无法正确学习到其他特征的重要性。第二，特征缩放可以加速梯度下降等优化算法的收敛速度。常见的特征缩放方法包括：1.归一化（Min-MaxScaling）：将特征值缩放到一个固定的范围，通常是[0,1]。公式为：X_scaled=(X-X_min)/(X_max-X_min)。2.标准化（Z-ScoreNormalization）：将特征值转换为均值为0，标准差为1的正态分布。公式为：X_scaled=(X-μ)/σ，其中μ是均值，σ是标准差。3.（封闭型，7分）请说明什么是梯度消失问题，并分析其在深度神经网络中产生的原因。答案：梯度消失问题是指在深度神经网络（尤其是使用Sigmoid或Tanh等激活函数的网络）中，随着误差反向传播层数的增加，梯度（即偏导数）会指数级地减小，导致靠近输入层的网络权重更新非常缓慢甚至几乎不再更新，使得网络难以训练。产生原因主要在于链式求导法则和特定激活函数的性质。在反向传播过程中，梯度是各层偏导数的连乘积。当使用Sigmoid或Tanh函数时，其导数的最大值分别为0.25和1，且大部分区域的导数值远小于1。在多层连乘后，一个小于1的数连乘多次会趋近于0，导致梯度信号不断衰减，最终消失。4.（开放型，7分）请比较数据仓库与数据湖在数据存储、处理方式、适用场景等方面的主要区别。答案：数据仓库与数据湖的主要区别如下：数据存储：数据仓库存储的是经过清洗、转换和结构化的数据，通常具有固定的模式（Schema-on-Write）。数据湖则存储原始数据，包括结构化、半结构化和非结构化数据，模式在读取时定义（Schema-on-Read）。数据处理方式：数据仓库的数据在入库前需要经过严格的ETL过程，处理成本较高。数据湖中的数据可以原样存储，处理和分析通常在读取时进行，更灵活。适用场景：数据仓库适用于支持已知的、重复的业务智能（BI）和报表需求，对数据一致性、准确性和性能要求高。数据湖适用于探索性分析、机器学习、处理非结构化数据以及存储所有原始数据以备未来未知的分析需求，灵活性高，但管理复杂。用户：数据仓库主要面向业务分析师、决策者。数据湖主要面向数据科学家、数据分析师进行深度分析和模型开发。五、应用题（共20分）1.（计算分析类，10分）假设一个二分类模型的混淆矩阵如下：真实情况\预测结果正例反例正例80(TP)20(FN)反例30(FP)70(TN)请根据此矩阵计算：(1)准确率（Accuracy）(2)精确率（Precision）(3)召回率（Recall）(4)F1-Score（要求写出计算过程）答案：(1)准确率=(TP+TN)/(TP+TN+FP+FN)=(80+70)/(80+70+30+20)=150/200=0.75或75%(2)精确率=TP/(TP+FP)=80/(80+30)=80/110≈0.727或72.7%(3)召回率=TP/(TP+FN)=80/(80+20)=80/100=0.8或80%(4)F1-Score=2*(精确率*召回率)/(精确率+召回率)=2*(0.727*0.8)/(0.727+0.8)=2*0.5816/1.527≈1.1632/1.527≈0.7622.（综合分析类，10分）某电商平台希望构建一个智能系统，实现以下两个目标：A.根据用户的浏览和购买历史，实时预测其可能感兴趣的商品并进行推荐。B.每天凌晨分析前一天的销售数据，生成各品类商品的热度排行榜和销售趋势报告。请结合大数据技术栈，设计一个解决方案框架，要求：(1)针对目标A（实时推荐）和目标B（离线分析），分别说明应主要采用哪种计算模式（批处理、流处理等）？(2)为每个目标列举至少两个核心的技术组件或框架（如：Hadoop,Spark,Flink,Kafka,HBase,Redis等），并简要说明其在该目标下的作用。(3)简述数据在整体框架中的可能流向。答案：(1)目标A（实时推荐）主要采用流处理计算模式。目标B（离线分析）主要采用批处理计算模式。(2)目标A（实