下载本文档
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
注意:装订线左侧请不要答题,请不要在试卷上书写与考试无关的内容,否则将按相应管理规定处理。所在单位:职务:注意:装订线左侧请不要答题,请不要在试卷上书写与考试无关的内容,否则将按相应管理规定处理。所在单位:职务:姓名:考号:装订线装订线第3页共3页滇西应用技术大学《大数据分析技术》2025——2026学年第二学期期末试卷(B卷)题号一二三四五六七总分得分一、单项选择题(本大题共10小题,每小题2分,共20分)1.下列选项中,不属于大数据"4V"特征的是()。A.数据量大(Volume)B.类型多样(Variety)C.处理速度快(Velocity)D.数据结构化(Structured)2.HDFS集群中,负责管理文件系统命名空间、维护数据块元数据信息的节点是()。A.DataNodeB.NameNodeC.SecondaryNameNodeD.JobTracker3.MapReduce计算框架中,对Map任务的输出进行分区、排序、分组,并将相同键的值传输给对应Reduce任务的过程称为()。A.SplitB.ShuffleC.CommitD.Fetch4.Spark的核心编程抽象,表示一个不可变的、可分区的、支持并行计算的分布式弹性数据集合是()。A.RDDB.DataFrameC.DatasetD.DStream5.下列关于Hive的描述,正确的是()。A.Hive是面向联机事务处理(OLTP)的关系型数据库B.Hive不支持访问存储在HDFS上的数据文件C.Hive本质是将HQL语句转换为MapReduce任务执行的数据仓库工具D.Hive中的表数据默认存储在客户端本地文件系统中6.Redis支持的数据类型中,适合存储无序且元素不重复的集合的是()。A.StringB.SetC.ListD.Hash7.下列关于K-Means聚类算法的描述,错误的是()。A.需要事先指定聚类的数目kB.以样本点到所属簇中心的距离平方和最小为优化目标C.属于典型的有监督学习算法D.聚类结果对初始中心点的选取较为敏感8.某属性样本均值为μ=50,标准差为σ=5,样本值60经Z-score标准化zA.2B.10C.0.2D.1.29.使用Python的Pandas库读取CSV文件并生成DataFrame对象,应调用的函数是()。A.pd.read_excel()B.pd.read_csv()C.pd.read_json()D.pd.to_csv()10.HBase表中按照字典序唯一标识一行数据、是数据读写唯一检索依据的是()。A.列族B.列限定符C.行键D.时间戳二、判断题(本大题共10小题,每小题1分,共10分。正确的打"√",错误的打"×")1.HDFS的设计目标是存储超大文件并追求高吞吐量,适合低延迟的实时数据访问。()2.RDD是Spark中最基本的数据抽象,具有不可变、可分区、容错等特性。()3.K-Means算法是一种典型的无监督学习算法。()4.Min-Max规范化可以将属性取值线性映射到[0,1]5.MapReduce任务的中间计算结果默认保存在HDFS上。()6.Hive数据仓库中的数据最终以文件形式存储在HDFS上。()7.皮尔逊相关系数r的取值范围为[0,18.ZooKeeper在Hadoop生态中主要提供配置管理、命名服务与分布式协调功能。()9.在决策树算法中,某属性的信息增益越大,表明该属性对分类所起的作用越小。()10.SparkStreaming基于微批处理(Micro-Batch)模型实现准实时的流式计算。()三、填空题(本大题共10小题,每空2分,共20分)1.HDFS中文件的每个数据块默认保存___个副本。2.大数据"4V"特征中,除数据量大、类型多样、处理速度快之外,第四个特征是___。3.SparkStandalone集群中,负责整个集群资源管理与调度的主节点守护进程是___。4.HBase依赖___实现集群管理、表与Region位置的定位服务。5.数据预处理通常包括数据清洗、数据集成、数据变换和___四个环节。6.线性回归中,最小二乘法通过使残差平方和i=17.决策树的属性选择度量除信息增益、增益率之外,常用的还有___指数。8.若两个变量的皮尔逊相关系数r=9.Hive的查询语言HQL最终被编译成___作业提交到集群上执行。10.Python科学计算库NumPy的核心数据结构是___。四、简答题(本大题共4小题,每小题5分,共20分)1.简述HDFS"主从架构”的组成,并分别说明NameNode与DataNode的主要职责。2.简述MapReduce计算模型中Map阶段、Shuffle阶段与Reduce阶段各自完成的主要工作。3.在数据清洗环节,请分别列举处理缺失值与异常值的常用方法(每种至少两种),并简要说明其适用场景。4.与HadoopMapReduce相比,Spark在迭代计算与执行效率方面具有哪些优势?请列举至少三点并简要说明。五、计算题(本大题共2小题,每小题10分,共20分)1.某在线教育平台为研究每月广告投放费用x(万元)与新增注册用户数y(千人)之间的关系,抽取了5个月的统计数据如下表所示:月份12345广告费用x(万元)12345新增用户数y(千人)346913(1)利用最小二乘法求线性回归方程y=a+bx,要求写出b(2)据此预测当广告投放费用为6万元时的新增注册用户数。(4分)2.某市场细分任务给出4个二维样本点:A(1,2)、B(2,1)、C(8,9)、D(9,8)。取初始聚类中心为C1=(1,2)d(1)计算第一轮迭代中每个样本点到两个初始聚类中心的欧氏距离(结果保留两位小数),并据此完成样本划分;(6分)(2)按簇内样本均值更新聚类中心,计算新聚类中心坐标,并判断算法是否已经收敛,说明理由。(4分)六、综合应用题(本大题共1小题,共10分)某电商平台从用户交易数据库中抽取了5条会员记录,如下表所示:记录ID年龄消费金额(元)购买次数会员等级R12512008银卡R2NULL350015金卡R332570012银卡R4289005普通会员R545210010金卡(1)指出表中存在
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2026年导游资格证资格考试导游业务模拟题题库及参考答案
- 2026年肠结核护理题库及答案
- 2026年江阴幼师考编题库及答案
- 2026年母婴护理培训理论知识题库及答案
- 硬科技投资时代耐心资本:募投管退与新逻辑探索
- 2026年北京燃气笔试题库(含答案)
- 2026年电信智慧产品考试题库及参考答案
- 2026年地理必修三测试题及答案
- 2026年计算机等级考试(一级)计算机基础及MSOffice应用模拟题题库及答案
- 制造业供应链从精益管理到柔韧响应的范式重构研究
- DB44T 1591-2015 小档口、小作坊、小娱乐场所消防安全整治技术要求
- 医用高压氧舱安全管理与应用规范
- JG/T 299-2010供冷供热用蓄能设备技术条件
- 《石油化工自动化控制系统》课件
- 消防通道标线施工合同
- 绵阳市三台县乡镇地图矢量可编辑课件行政区划边界高清(四川省)
- 宅基地转让协议书
- 2024入团积极分子入团考试题库(含答案)
- 英语-简单句五种基本句型课件
- 气体绝缘金属封闭开关设备不停电扩建技术导则
- 人工智能导论智慧树知到期末考试答案2024年
评论
0/150
提交评论