公安机关录用特殊职位公务员(人民警察)(数据应用职位)考前冲刺试题解析(2026年东营)_第1页
公安机关录用特殊职位公务员(人民警察)(数据应用职位)考前冲刺试题解析(2026年东营)_第2页
公安机关录用特殊职位公务员(人民警察)(数据应用职位)考前冲刺试题解析(2026年东营)_第3页
公安机关录用特殊职位公务员(人民警察)(数据应用职位)考前冲刺试题解析(2026年东营)_第4页
公安机关录用特殊职位公务员(人民警察)(数据应用职位)考前冲刺试题解析(2026年东营)_第5页
已阅读5页,还剩44页未读, 继续免费阅读

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

公安机关录用特殊职位公务员(人民警察)(数据应用职位)考前冲刺试题解析(2026年东营)第一部分基础知识(单项选择题)1.在某次网络犯罪侦查中,公安机关获取了犯罪嫌疑人使用的计算机硬盘镜像文件。为了确保电子数据的完整性和不可抵赖性,取证人员首先需要计算该镜像文件的哈希值。下列关于哈希函数的描述中,错误的是:A.哈希函数可以将任意长度的输入数据转换为固定长度的输出B.不同的输入数据经过哈希函数计算后,得到的输出值一定不同C.哈希函数是单向的,即无法从哈希值逆向推导出原始数据D.MD5和SHA-256是常用的哈希算法2.东营市公安局正在建设“智慧警务”大数据平台,需要处理海量的结构化与非结构化数据。在数据仓库的构建过程中,用于将业务系统的操作型数据抽取、转换、加载到数据仓库的环节,统称为:A.OLAP(联机分析处理)B.ETL(Extract-Transform-Load)C.BI(商业智能)D.DataMining(数据挖掘)3.根据我国《网络安全法》及相关规定,网络运营者应当按照网络安全等级保护制度的要求,履行安全保护义务。对于公安机关关键信息基础设施,其安全保护等级原则上不低于:A.第一级B.第二级C.第三级D.第四级4.在Python数据分析库Pandas中,假设有一个名为`df`的DataFrame对象,包含两列`'A'`和`'B'`。若要筛选出列`'A'`的值大于10且列`'B'`的值小于5的所有行,下列代码正确的是:A.`df[(df['A']>10)&(df['B']<5)]`B.`df[(df['A']>10)and(df['B']<5)]`C.`df[df['A']>10|df['B']<5]`D.`df.query('A>10andB<5')`(注意:此选项在特定语法下可行,但对比A的规范性)5.某数据库表`police_record`包含字段:`id`(主键),`crime_type`(犯罪类型),`date`(案发日期),`location`(案发地点)。若要统计2025年每种犯罪类型的发案数量,并按发案数量降序排列,下列SQL语句正确的是:A.`SELECTcrime_type,COUNT()FROMpolice_recordGROUPBYcrime_typeORDERBYCOUNT()DESC`B.`SELECTcrime_type,SUM()FROMpolice_recordGROUPBYcrime_typeORDERBYCOUNT()ASC`C.`SELECTcrime_type,COUNT(id)FROMpolice_recordWHEREdate='2025'ORDERBYcrime_typeDESC`D.`SELECTcrime_type,COUNT()FROMpolice_recordGROUPBYdateORDERBYCOUNT()DESC`6.在逻辑推理中,若“只有通过体能测试,才能成为人民警察”为真,则下列命题中必定为假的是:A.如果成为了人民警察,那么通过了体能测试B.如果没有通过体能测试,那么不能成为人民警察C.如果通过了体能测试,那么就能成为人民警察D.或者通过体能测试,或者不能成为人民警察7.某小区近期发生多起入室盗窃案。通过数据分析,警方发现案件高发时间段集中在14:00-16:00,且受害人家中均未安装智能监控。这种通过对历史数据进行模式识别来预测犯罪趋势的方法,属于:A.描述性分析B.诊断性分析C.预测性分析D.规范性分析8.在关系型数据库设计中,若属性A是关系R的主键,则属性A:A.不能取空值(NULL)B.可以取重复值C.必须是外键D.必须是数字类型9.东营市某路口交通卡口每小时产生约10万条车辆通行记录。为了实现对嫌疑车辆的实时轨迹追踪,系统需要具备极高的写入和查询性能。针对这种场景,最不适合采用的数据库技术是:A.时序数据库(如InfluxDB)B.内存数据库(如Redis)C.图数据库(如Neo4j)D.磁盘行存储数据库(如传统MySQL单表无索引)10.下列关于TCP/IP协议簇中各层功能的描述,对应关系正确的是:A.网络层——负责进程到进程的数据传输B.传输层——提供路由选择,实现逻辑寻址C.应用层——直接为用户的应用程序提供服务D.数据链路层——负责数据的加密与解密11.数据分析师小王在处理一起诈骗案件的资金流向数据时,发现账户A向账户B转账,账户B向账户C转账,账户C又向账户A转账,形成一个闭环。这种网络结构特征在社会网络分析(SNA)中被称为:A.度中心性B.聚类系数C.介数中心性D.连通分量12.在Excel中,若单元格A1的值为`"2026-01-01"`,A2的值为`10`。若在A3中输入公式`=A1+A2`,则A3显示的结果可能是(假设单元格格式为常规):A.2026-01-11B.2026-01-0110:00C.44877(具体数值取决于Excel基准日期)D.#VALUE!13.某算法的时间复杂度为O(),当输入数据量A.10倍B.100倍C.1000倍D.2倍14.公安机关在查验电子证据时,遇到一个被压缩加密的文件包(.zip),且设置了复杂密码。为了获取文件内容,通常采取的技术手段是:A.数字取证B.社会工程学攻击C.暴力破解或字典攻击D.流量分析15.在机器学习算法中,若我们希望根据居民的年龄、职业、收入、历史违规记录等特征,预测其未来一年内是否有违法犯罪风险(是/否),这属于典型的:A.回归问题B.分类问题C.聚类问题D.降维问题16.某公安局服务器日志显示,某IP地址在1秒内向Web服务器发起了5000次HTTP请求,导致服务器响应缓慢甚至瘫痪。这种攻击方式被称为:A.SQL注入攻击B.跨站脚本攻击(XSS)C.分布式拒绝服务攻击(DDoS)D.中间人攻击17.下列哪个不是Python语言的标准数据类型?A.ListB.TupleC.DictionaryD.Matrix(标准库中通常通过嵌套列表或NumPy实现,非基础内置类型)18.在数据清洗过程中,若发现某字段存在缺失值,下列处理方式不合理的是:A.删除包含缺失值的整行记录B.使用均值、中位数或众数填充C.使用插值法填充D.直接将缺失值替换为0(在不了解业务背景下,可能引入偏差)19.某图像识别模型在嫌疑人识别测试中,共测试了100张包含嫌疑人的图片。模型正确识别出了80张,但有5张是将非嫌疑人识别成了嫌疑人。则该模型的准确率和召回率分别为(注:假设所有正样本为100,负样本不计入分母计算简化,或需明确混淆矩阵):若设定:真正例TP=80,假正例FP=5,假反例FN=20。A.准确率=80/100,召回率=80/105B.准确率=80/105,召回率=80/100C.准确率=80/100,召回率=80/100D.准确率=80/85,召回率=80/10020.东营市警方计划利用无人机进行巡逻侦查。为了保障无人机遥控链路的安全,防止被恶意劫持,最有效的措施是:A.使用高频信号传输B.对传输数据进行加密和认证C.增加信号发射功率D.定期更换电池第二部分基础知识(多项选择题)21.公安大数据治理的主要任务包括:A.数据标准管理B.元数据管理C.数据质量管理D.数据生命周期管理22.下列关于关系型数据库事务的ACID特性,描述正确的有:A.原子性:事务中的操作要么全部成功,要么全部失败B.一致性:事务执行前后,数据库的完整性约束没有被破坏C.隔离性:并发执行的事务之间互不干扰D.持久性:事务一旦提交,对数据库的修改是永久性的23.常见的数据可视化图表类型及其适用场景匹配正确的有:A.折线图——用于展示数据随时间变化的趋势B.饼图——用于展示各部分占整体的比例关系C.散点图——用于展示两个变量之间的相关关系D.热力图——常用于展示地理区域的人员密度或案发频率24.在网络安全防御体系中,“蜜罐”技术的目的是:A.诱捕攻击者,分析攻击手段B.消耗攻击者的时间,延缓其对真实目标的攻击C.收集恶意软件样本D.直接查杀病毒25.Python中进行科学计算常用的第三方库包括:A.NumPyB.PandasC.MatplotlibD.Scikit-learn26.公安机关在收集、使用个人信息时,应当遵循的原则包括:A.合法性原则B.正当性原则C.必要性原则D.公开性原则27.下列属于NoSQL数据库类型的有:A.键值存储B.列存储C.文档型数据库D.图数据库28.下列IP地址中,属于内网私有地址的有:A.55B.C.00D.29.数据挖掘中的关联规则算法(如Apriori算法)常用于警务工作中的:A.案件串并分析B.嫌疑人共现关系挖掘C.犯罪手段模式识别D.视频图像质量增强30.逻辑回归虽然名字中带有“回归”,但它是一种广泛使用的分类算法。以下关于逻辑回归的描述,正确的有:A.输出结果是概率值,通过阈值映射为类别B.使用Sigmoid函数将线性回归结果映射到(0,1)区间C.可以处理二分类问题,也可以扩展到多分类D.模型不需要损失函数进行优化第三部分判断题31.在Python中,`list`是可变数据类型,`tuple`是不可变数据类型。()32.SQL注入攻击的原因是Web应用程序未对用户输入的数据进行严格的过滤或验证,直接拼接到SQL语句中执行。()33.深度学习是机器学习的一个子集,主要依赖于多层神经网络进行特征学习。()34.只要获得了MAC地址,就能在任何互联网范围内精确定位物理设备的位置。()35.公安机关在紧急情况下,为了查清犯罪事实,可以直接查看任何公民的私人电子邮件和聊天记录,无需经过批准。()36.数据的归一化处理是为了消除不同特征量纲对模型训练结果的影响。()37.在计算机网络中,DNS协议的作用是将域名解析为IP地址,其默认端口号是80。()38.决策树算法容易产生过拟合现象,可以通过剪枝策略来缓解。()39.维基百科这种任何人都可以编辑的模式,必然会导致数据的准确性和完整性无法保证,因此完全不能作为情报分析的参考源。()40.在使用聚类算法(如K-Means)时,必须预先指定聚类的类别数量k。()第四部分简答题41.简述结构化数据、非结构化数据和半结构化数据的区别,并各列举一个公安机关业务中可能遇到的数据示例。42.在警务数据分析中,什么是“幸存者偏差”?试举一例说明如果在犯罪分析中忽略此偏差可能导致什么错误的结论。43.简述SQL语言中`LEFTJOIN`和`INNERJOIN`的主要区别。44.请解释在机器学习模型评估中,准确率和召回率的含义,并说明在反恐预警等场景下,我们通常更看重哪个指标及原因。第五部分综合应用题45.数据库查询与分析:假设某市公安局数据库中有两张表:(1)表名`cases`(案件表),包含字段:`case_id`(VARCHAR,案件编号,主键)`case_type`(VARCHAR,案件类型,如“盗窃”、“诈骗”)`report_time`(DATETIME,报案时间)`district_id`(INT,辖区ID)(2)表名`suspects`(嫌疑人表),包含字段:`suspect_id`(INT,嫌疑人ID,主键)`case_id`(VARCHAR,案件编号,外键关联cases表)`age`(INT,年龄)`gender`(CHAR,性别,'M'或'F')请针对以下需求编写SQL语句:(1)查询2025年全年“诈骗”案件的总数。(2)查询每个辖区(`district_id`)发案数量最多的案件类型及其对应的发案数量。(提示:可能需要使用子查询或窗口函数)(3)查询所有涉及“盗窃”案件的男性嫌疑人的平均年龄。46.算法与编程应用:某市交通卡口采集了大量车辆通行数据,数据格式简化为元组列表:`(车牌号,通行时间,通行地点)`。例如:```pythondata=[("鲁E12345","2026-01-0108:00","卡口A"),("鲁E67890","2026-01-0108:05","卡口B"),("鲁E12345","2026-01-0109:00","卡口C"),("鲁E12345","2026-01-0110:00","卡口A"),("鲁E67890","2026-01-0111:00","卡口A")]```请编写一个Python函数`find_suspicious_cars(data,time_limit_minutes)`,找出在同一地点(卡口)出现时间间隔小于`time_limit_minutes`的所有车牌号。要求:(1)函数输入为数据列表`data`和时间阈值`time_limit_minutes`(整数)。(2)函数输出为一个集合,包含满足条件的车牌号。(3)请简要说明你的算法思路。47.案例分析与数据建模:背景:东营市公安局刑侦支队致力于打击电信网络诈骗。现有历史数据集,包含5万条已侦破的案件记录。每条记录包含以下特征:`victim_age`:受害人年龄`victim_gender`:受害人性别`amount_loss`:损失金额`channel`:诈骗渠道(如“电话”、“短信”、“网络”、“冒充公检法”等)`time_duration`:从接触受害人到转账发生的时间(分钟)`label`:是否为团伙作案(1为是,0为否)警方希望建立一个预测模型,在案件发生初期,根据受害人特征和初步沟通情况,预测该案件是否为团伙作案,以便调配不同的侦查力量。(1)请简述数据预处理的一般步骤,针对本题数据,如何处理`channel`这种类别型变量?(2)若选择逻辑回归作为基础模型,写出逻辑回归的假设函数公式,并解释参数的含义。(3)假设模型训练完成后,在测试集上得到的混淆矩阵如下:预测值0(非团伙)1(团伙)实际值0(非团伙)3000200实际值1(团伙)5001300请计算该模型的精确率、召回率和F1-Score。(精确率公式:Precis(4)作为数据应用职位的人民警察,你如何向不懂技术的办案民警解释这个模型的实际应用价值?答案及详细解析第一部分基础知识(单项选择题)1.答案:B解析:选项A正确:哈希函数无论输入多长,输出长度(如MD5为128位,SHA-256为256位)是固定的。选项B错误:哈希函数存在“碰撞”的可能性,即不同的输入可能产生相同的哈希值,虽然概率极低,但并非“一定不同”。选项C正确:哈希函数的设计初衷就是单向加密,无法逆向。选项D正确:MD5和SHA-256是常见的摘要算法。故选B。2.答案:B解析:ETL是Extract(抽取)、Transform(转换)、Load(加载)的缩写,是构建数据仓库的基础过程,用于将异构源数据整合到目标数据仓库中。A是联机分析处理,用于多维分析;C是商业智能,是更广泛的概念;D是数据挖掘,用于发现数据中的模式。故选B。3.答案:C解析:根据《网络安全法》和《关键信息基础设施安全保护条例》,关键信息基础设施的安全保护等级通常不低于第三级。公安机关的核心业务系统大多属于关键信息基础设施。故选C。4.答案:A解析:在Pandas中,涉及多个条件的逻辑组合时,需使用位运算符`&`、`|`,且每个条件需用括号括起来以明确优先级。`and`关键字用于标量布尔值的判断,无法直接用于Series对象的元素级逻辑运算。选项B使用了`and`,会报错;选项C使用了`|`(或),逻辑错误;选项D的query方法在某些版本可用,但A是标准的Pandas写法。故选A。5.答案:A解析:题目要求统计2025年每种犯罪类型的发案数量,需要按`crime_type`分组(`GROUPBY`),计数用`COUNT()`,并按数量降序排列(`ORDERBYCOUNT()DESC`)。选项B使用了`SUM(*)`,语法错误;选项C过滤了`date='2025'`,但日期字段通常包含年月日时分秒,字符串比较无法精确匹配年份(除非格式正好只有年份),且排序依据错误;选项D分组字段错误。故选A。6.答案:C解析:原命题:“只有通过体能测试,才能成为人民警察”。逻辑形式:成为人民警察→通过体能测试。选项A:成为人民警察→通过体能测试,与原命题一致,真。选项B:未通过体能测试→不能成为人民警察,是原命题的逆否命题,真。选项C:通过体能测试→成为人民警察,是原命题的逆命题,不一定为真(通过体能只是必要条件,非充分条件)。题目问“必定为假”,虽然严格逻辑中“不一定真”不完全等同于“假”,但在逻辑考试语境下,逆命题通常作为假命题选项出现,因为它混淆了必要条件和充分条件。选项D:通过体能测试∨不能成为人民警察,这是一个永真式(A→综合比较,C项违背了原命题的逻辑关系。故选C。7.答案:C解析:描述性分析:发生了什么?(如统计发案数)诊断性分析:为什么发生?(如分析原因)预测性分析:将来可能发生什么?(如预测高发时段、地点)规范性分析:我们该怎么做?(如建议巡逻安排)题干中“预测犯罪趋势”属于预测性分析。故选C。8.答案:A解析:实体完整性规则要求主键不能取空值(NULL),且不能有重复值。A项表述正确。故选A。9.答案:D解析:10万条/小时属于高频写入场景。A、B、C均针对特定场景优化:时序数据库适合时间序列数据,内存数据库适合极速读写,图数据库适合关系查询。D项传统MySQL单表无索引在面临海量高频写入时,磁盘I/O将成为瓶颈,且缺乏索引查询也会极慢,最不适合该场景。故选D。10.答案:C解析:A项:网络层负责主机到主机的通信(IP),传输层负责进程到进程(TCP/UDP端口)。B项:传输层提供端到端服务,网络层提供路由和逻辑寻址。C项:应用层直接为用户应用服务(如HTTP,FTP,SMTP),正确。D项:数据链路层负责帧传输、差错控制等,物理层处理比特流,加密通常在应用层或表示层。故选C。11.答案:B解析:度中心性指节点的连接数量;聚类系数衡量节点邻居之间互为邻居的程度(形成三角形、闭环);介数中心性衡量节点作为桥梁的重要性;连通分量指图中的连通子图。资金闭环体现了节点间联系紧密,聚类系数高。故选B。12.答案:B解析:Excel中日期存储为序列数,1代表1天。A2是整数10,`A1+10`表示在2026-01-01的基础上加10天。如果A3格式为常规,它将显示序列数(如44877)。但是,注意Excel在处理日期加数字时的显示逻辑。如果单元格格式被自动识别或设置为日期格式,显示的是2026-01-11。但如果A1是文本型的"2026-01-01",则可能无法计算。题目假设是标准日期格式。答等一下,再看选项。B项“2026-01-0110:00”是指加上了时间。由于A2是整数10,不是小数0.X(代表时间),所以不会变成时间。实际上,如果A1是日期,A2是10。公式=A1+A2。结果数值增加10。若单元格格式为常规,结果是一个大数字(日期序列号)。若单元格格式保持日期,结果是2026-01-11。此题考察的是Excel日期序列号的本质。当单元格格式为“常规”时,它显示的是底层序列号。但是,有一个陷阱。如果A2是空单元格被当做0?题目说A2值为10。若A1是"2026-01-01",A2是10。如果A1是文本字符串,公式=A1+A2会报错#VALUE!(除非开启了自动计算转换)。通常这种题目默认A1是日期格式(数值)。日期+整数=新日期(数值增加整数部分)。格式为常规则显示数值。选项C“44877”符合常规格式显示数值的特征(具体数值随基准年份变化,但必定是一个5位左右的整数)。选项A是日期格式下的显示结果。选项B是加上了时间(10/24天)。选项D是文本计算错误。既然题目强调“单元格格式为常规”,则应显示数值。故选C(近似值,具体基准不同年份数值不同,但C是唯一代表数值型的描述)。注:在实际考试中,可能会给具体数值。这里C选项类型最符合。13.答案:B解析:时间复杂度O()意味着执行时间当n从100变为1000,即扩大了10倍。时间变化比例=(故选B。14.答案:C解析:获取加密压缩包内容,必须破解密码。A是整体过程;B是人际欺诈手段;D是分析网络传输数据,无法直接解密本地文件。C暴力破解或字典攻击是技术性解密的标准手段。故选C。15.答案:B解析:预测结果是离散的类别(有风险/无风险,或者1/0),这是分类问题。回归问题预测连续值(如预测损失金额);聚类是无监督学习;降维是减少特征维度。故选B。16.答案:C解析:短时间内大量请求导致服务瘫痪,典型的拒绝服务攻击。若是分布式源则为DDoS。SQL注入和XSS是入侵手段,不一定直接导致瘫痪。中间人是窃听篡改。故选C。17.答案:D解析:Python内置数据类型包括:整型、浮点型、字符串、列表、元组、字典、集合等。Matrix(矩阵)不是Python的内置标准数据类型,通常由NumPy库提供的`matrix`或`ndarray`对象来实现。故选D。18.答案:D解析:缺失值处理需谨慎。直接替换为0可能会严重改变数据分布(例如,若字段代表收入,缺失可能是未填写,填0会变成贫困人口)。除非业务上明确缺失代表0,否则不建议直接填0。A、B、C都是常见且相对合理的处理方式。故选D。19.答案:B解析:依据混淆矩阵定义:TP(真正例)=80(正确识别出的嫌疑人)FP(假正例)=5(误报)FN(假反例)=20(漏报)准确率PrPr召回率ReRe对比选项,B符合。注:准确率有时也指Accuracy(总体精度),即(T故选B。20.答案:B解析:防止劫持的核心是身份认证和数据加密,确保指令来源可靠且未被篡改。A、C增加功率不能防劫持;D更换电池与安全无关。故选B。第二部分基础知识(多项选择题)21.答案:ABCD解析:大数据治理涵盖标准、元数据、质量、安全、生命周期等多个方面,ABCD均为核心任务。22.答案:ABCD解析:原子性、一致性、隔离性、持久性是数据库事务的四个基本特性,缺一不可。23.答案:ABCD解析:A折线图看趋势,正确;B饼图看比例,正确;C散点图看相关性,正确;D热力图展示地理密度,是警务实战中常用的“热点图”形式,正确。24.答案:ABC解析:蜜罐是一种诱捕技术,可以诱敌、分析、拖延、收集样本,但它本身是一个陷阱,不具备查杀病毒(杀毒软件)的功能。D错误。25.答案:ABCD解析:NumPy(数值计算)、Pandas(数据处理)、Matplotlib(绘图)、Scikit-learn(机器学习)是Python数据科学栈的四大支柱。26.答案:ABC解析:根据《个人信息保护法》,处理个人信息应遵循合法、正当、必要和诚信原则。D项“公开性”不是核心原则,且涉及警务隐私,公开反而是被限制的。故选ABC。27.答案:ABCD解析:NoSQL数据库主要分为这四类:键值、列族、文档、图。ABCD均正确。28.答案:ABC解析:私有地址范围包括:A类:-55B类:-55C类:-55D项224.x.x.x是组播地址(D类地址),非私有地址。故选ABC。29.答案:ABC解析:关联规则挖掘用于发现事物之间的相关性。A案件串并:寻找相似的作案手法或特征。B共现关系:嫌疑人A和B同时出现在多个案件现场。C模式识别:购买工具A和工具B的人常进行C类犯罪。D图像质量增强属于计算机视觉/图像处理领域,不是关联规则的范畴。故选ABC。30.答案:ABC解析:A正确,输出概率。B正确,使用Sigmoid函数σ(C正确,通过Softmax等可扩展到多分类。D错误,模型训练过程就是最小化损失函数(如交叉熵损失)的过程。故选ABC。第三部分判断题31.答案:正确解析:List可变(支持append,pop等),Tuple不可变(创建后无法修改)。32.答案:正确解析:SQL注入的根本原因就是将用户输入当做代码执行,未做过滤。33.答案:正确解析:深度学习是机器学习的一个分支,利用多层神经网络学习数据特征。34.答案:错误解析:MAC地址(物理地址)主要用于局域网内通信。跨越互联网时,MAC地址会在路由跳变中改变,且MAC地址与地理位置没有直接绑定关系,无法通过MAC精确定位全球物理位置。35.答案:错误解析:即使是公安机关,也必须严格遵守法律规定。查看公民通信秘密需经过严格的批准手续(如县级以上公安机关负责人批准),不能随意查看。36.答案:正确解析:归一化将不同量纲的数据缩放到同一范围(如[0,1]),避免数值大的特征主导模型训练。37.答案:错误解析:DNS的默认端口是53(UDP/TCP)。80是HTTP的端口。38.答案:正确解析:决策树容易过拟合(学得太细,把噪声当规律),预剪枝和后剪枝是常用解决方案。39.答案:错误解析:虽然开放编辑的数据可能存在噪声,但可以作为情报分析的辅助来源或进行交叉验证,不能说“完全不能作为参考”。在开源情报(OSINT)中,维基百科是常用源之一,但需核实。40.答案:正确解析:K-Means算法的一个主要缺点就是需要预先指定K值。第四部分简答题41.答案:结构化数据:指具有固定格式和结构的数据,通常存储在数据库表中,可以用二维表结构来逻辑表达。示例:户籍信息表(姓名、身份证号、地址)。非结构化数据:指数据结构不规则或不完整,没有预定义的数据模型,不方便用数据库二维表来表现的数据。示例:审讯录音录像、执法记录仪视频、handwritten笔迹图片。半结构化数据:介于结构化和非结构化之间,具有一定的结构,但结构可能变化或嵌套,通常使用标签或标记来分隔语义元素。示例:警情通报的XML文件、系统输出的JSON格式日志。42.答案:幸存者偏差是指当我们在分析数据时,只关注了那些“幸存”下来的数据(即容易获取到的或成功的数据),而忽略了那些被筛选掉或“消亡”的数据,从而导致结论产生偏差。示例:如果警方仅根据“已抓获的盗窃犯”的数据进行分析,可能会得出“盗窃犯大多为无业游民且穿着破旧”的结论。错误结论原因:那些实施了盗窃但未被抓获的“幸存者”(反而在犯罪池中存活下来了)可能伪装得很好,或者是高智商犯罪者。如果忽略这部分未破案数据,警方在未来的侦查中将过度排查无业游民,而忽略了伪装良好的嫌疑人,导致侦查方向偏差。43.答案:INNERJOIN(内连接):只返回两个表中连接字段匹配的行。即只显示两个表交集部分的数据。LEFTJOIN(左连接):返回左表(FROM子句后的表)中的所有行,以及右表中匹配的行。如果右表中没有匹配的行,则结果中右侧列显示为NULL。44.答案:准确率:指被模型预测为正例的样本中,真正为正例的比例。它衡量的是模型预测的“准不准”。召回率:指实际为正例的样本中,被模型正确预测为正例的比例。它衡量的是模型“全不全”,即漏报率低不低。在反恐预警等场景中,通常更看重召回率。原因:反恐预警的代价极高。如果漏掉一个真正的恐怖分子(召回率低),可能导致巨大的人员伤亡和财产损失。相比之下,如果将一个无辜者误判为嫌疑人(准确率较低),虽然会引起误报和增加核查成本,但可以通过后续人工筛查排除,相比漏报恐怖分子,其风险要低得多。因此宁可错杀一千(误报),不可放过一个(漏报)。第五部分综合应用题45.答案:(1)查询2025年全年“诈骗”案件的总数:```sqlSELECTCOUNT(*)AStotal_fraud_casesFROMcasesWHEREcase_type='诈骗'ANDreport_timeBETWEEN'2025-01-0100:00:00'AND'2025-12-3123:59:59';```(2)查询每个辖区发案数量最多的案件类型及其对应的发案数量:(使用窗口函数)```sqlSELECTdistrict_id,case_type,case_countFROM(SELECTdistrict_id,case_type,COUNT(*)AScase_count,RANK()OVER(PARTITIONBYdistrict_idORDERBYCOUNT(*)DESC)ASrnFROMcasesGROUPBYdistrict_id,case_type)tWHERErn=1;```(如果不使用窗口函数,使用子查询)```sqlSELECTc.district_id,c.case_type,COUNT(*)AScase_countFROMcasescINNERJOIN(SELECTdistrict_id,MAX(cnt)ASmax_cntFROM(SELECTdistrict_id,case_type,COUNT(*)AScntFROMcasesGROUPBYdistrict_id,case_type)subGROUPBYdistrict_id)mONc.district_id=m.district_idGROUPBYc.district_id,c.case_typeHAVINGCOUNT(*)=(SELECTMAX(cnt)FROM(SELECTdistrict_id,case_type,COUNT(*)AScntFROMcasesGROUPBYdistrict_id,case_type)sub2WHEREsub2.district_id=c.district_id);```注:第一种的窗口函数写法更为标准且高效。(3)查询所有涉及“盗窃”案件的男性嫌疑人的平均年龄:```sqlSELECTAVG(s.age)ASavg_ageFROMsuspectssINNERJOINcasescONs.case_id=c.case_idWHEREc.case_type='盗窃'ANDs.gender='M';```46.答案:Python函数代码:```pythonfromdatetimeimportdatetime,timedeltadeffind_suspicious_cars(data,time_limit_minutes):suspicious_cars=set()#1.按车牌号进行分组car_groups={}forplate,time_str,locationindata:ifplatenotincar_groups:car_groups[plate]=[]car_groups[plate].append((time_str,location))#2.遍历每辆车的记录forplate,recordsincar_groups.items():#将记录按地点分组,以便比较同一地点的时间loc_dict={}fortime_str,locationinrecords:iflocationnotinloc_dict:loc_dict[location]=[]loc_dict[location].append(time_str)#3.检查同一地点的时间间隔forlocation,time_listinloc_dict.items():#时间少于2次无法比较间隔iflen(time_list)<2:continue#将时间字符串转换为datetime对象并排序time_objs=sorted([datetime.strptime(t,"%Y-%m-%d%H:%M")fortintime_list])#遍历相邻的时间点foriin

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。

评论

0/150

提交评论