大數(shù)據理論考試(習題卷3)

試卷科目：大數(shù)據理論考試大數(shù)據理論考試(習題卷3)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages大數(shù)據理論考試第1部分：單項選擇題，共64題，每題只有一個正確答案,多選或少選均不得分。[單選題]1.ZooKeeper的特點描述錯誤的是（）。A)復雜性B)自我復制C)順序訪問D)高速讀取答案:A解析:ZooKeeper的設計目標和特點包括簡單性、自我復制、順序訪問和高速讀取。[單選題]2.二維圖像可用二維函數(shù)表示，下列說法正確地是（）。A)表示點的灰度值B)對于模擬圖像來講，是離散函數(shù)C)x，y不是平面的二維坐標D)以上答案都不正答案:A解析:二維函數(shù)值表示像素點的灰度值。模擬圖像的二維函數(shù)是連續(xù)的，數(shù)字圖像的是離散的。x,y是平面二維坐標，表示的是圖像的橫縱方向。[單選題]3.下列哪個組件不屬于Hive架構（）A)MySQLB)TaskManagerC)HDFSD)Clien答案:B解析:[單選題]4.概率模型的訓練過程就是（）過程。A)分類B)聚類C)參數(shù)估計D)參數(shù)選答案:C解析:概率模型的訓練過程就是參數(shù)估計的過程。[單選題]5.執(zhí)行一個job，如果這個job的輸出路徑已經存在，那么程序會（）A)覆蓋這個輸出路徑B)拋出警告，但是能夠繼續(xù)執(zhí)行C)拋出一個異常，然后退出D)創(chuàng)建一個新的輸出路徑答案:C解析:MapReduce編程模型中的輸出目錄必須是不存在的目錄。否則程序拋出異常，并且退出運行。[單選題]6.下面（）屬于SVM應用。A)文本和超文本分類B)圖像分類C)新文章聚類D)以上均是答案:D解析:SVM可用于分類與回歸，文本和超文本分類、圖像分類、新文章聚類均屬于SVM的應用。[單選題]7.下面哪個操作肯定是寬依賴A)mapB)flatMapC)reduceByKeyD)sampl答案:C解析:[單選題]8.scipy.stats模塊中隨機變量的概率密度函數(shù)是（）。A)statsB)fitC)pdfD)ppf答案:C解析:pdf是概率密度函數(shù)(probabilitydensityfunction)。[單選題]9.數(shù)據預處理方法不包括（）。A)數(shù)據清洗：去噪聲和無關數(shù)據B)數(shù)據集成：將多個數(shù)據源中的數(shù)據結合起來存在一個一致的數(shù)據存儲中C)數(shù)據變換：把原始數(shù)據轉換成為適合數(shù)據挖掘的形式D)數(shù)據轉化：把連續(xù)數(shù)據轉換為離散數(shù)據答案:D解析:數(shù)據轉化多為將字符型數(shù)據轉換為數(shù)值型數(shù)據。例如將性別【男，女】分別轉換為【0,1】。[單選題]10.在HDFS中（）是文件系統(tǒng)的工作節(jié)點。A)DataNodeB)ClientC)NameNodeD)Flume答案:A解析:數(shù)據節(jié)點(DataNode)是分布式文件系統(tǒng)HDFS的工作節(jié)點，負責數(shù)據的存儲和讀取，會根據客戶端或者是名稱節(jié)點的調度來進行數(shù)據的存儲和檢索，并且向名稱節(jié)點定期發(fā)送自己所存儲的塊的列表。每個數(shù)據節(jié)點中的數(shù)據會被保存在各自節(jié)點本地Linux文件系統(tǒng)中。[單選題]11.數(shù)據科學基本原則中，?基于數(shù)據的智能?的主要特點是（）。A)數(shù)據簡單、但算法簡單B)數(shù)據復雜、但算法簡單C)數(shù)據簡單、但算法復雜D)數(shù)據復雜、但算法復雜答案:B解析:數(shù)據科學對?智能的實現(xiàn)方式?有了新的認識--從?基于算法的智能?到?基于數(shù)據的智能?的過渡。?基于數(shù)據的智能?的重要特點是?數(shù)據復雜，但算法簡單?。[單選題]12.一幅數(shù)字圖像是：()A)一個觀測系統(tǒng)B)一個有許多像素排列而成的實體C)一個2-D數(shù)組中的元素D)一個3-D空間的場景答案:B解析:[單選題]13.將原始數(shù)據進行集成、變換、維度規(guī)約、數(shù)值規(guī)約是在以下哪個步驟的任務？()A)頻繁模式挖掘B)分類和預測C)數(shù)據預處理D)數(shù)據流挖掘答案:C解析:[單選題]14.Spark比mapreduce快的原因不包括（）A)park基于內存迭代，而MapReduce基于磁盤迭代B)AG計算模型相比MapReduce更有效率C)park是粗粒度的資源調度，而MR是細粒度的資源調度。D)park支持交互式處理，MapReduce善于處理流計算。答案:D解析:A、B、C是Spark比mapreduce快的原因。MapReduce不善于處理除批處理計算模式之外的其他計算模式，如流計算、交互式計算和圖計算等。[單選題]15.在Hadoop生態(tài)系統(tǒng)中，（）可以將結構化的數(shù)據文件映射成一張數(shù)據庫表，并提供簡單的查詢語言。A)PigB)HbaseC)HiveD)MapReduce答案:C解析:Ｈive是構建在hadoop上的數(shù)據倉庫工具，可以將結構化的數(shù)據文件映射為一張數(shù)據庫表，可以用來進行數(shù)據提取轉化加載（ETL），并提供簡單的SQL查詢功能。[單選題]16.留出法直接將數(shù)據集劃分為（）個互斥的集合。A)一B)二C)三D)四答案:B解析:留出法(hold-out)直接將數(shù)據集D劃分為兩個互斥的集合，其中一個集合作為訓練集，另一個作為測試集T。[單選題]17.在MaxComputeSQL中，concat('a',null,'b')的執(zhí)行結果是：（）。A)aB)anullbC)abD)null答案:D解析:[單選題]18.下列哪個不是stats模塊中的功能（）。A)連續(xù)性分布B)線性方程求解C)離散型分布D)核密度估計答案:B解析:stats模塊包含了隨機變量樣本抽取、84個連續(xù)性分布、12個離散型分布、分布的密度分布函數(shù)、核密度估計、分布構造、分布檢驗等功能，但不包括線性方程求解。[單選題]19.關于Apriori算法的原理中敘述錯誤的是（）。A)riori算法通常使用先驗知識或者假設B)如果某個項集是頻繁的，那么它的所有子集也是頻繁的C)如果一個項集是非頻繁集，那么它的所有超集也是非頻繁的Apriori算法不可以用來發(fā)現(xiàn)頻繁D)Apriori算法不可以用來發(fā)現(xiàn)頻繁集答案:D解析:Apriori算法可以用來發(fā)現(xiàn)頻繁集。[單選題]20.Spark的劣勢（）A)運算速度快B)業(yè)務實現(xiàn)需要較少代碼C)提供很多現(xiàn)成函數(shù)D)需要更多機器內答案:D解析:Spark采用的是內存計算模式，需要的內存較多[單選題]21.（）是指理解挖掘項目的目標業(yè)務需求。A)業(yè)務理解B)數(shù)據理解C)數(shù)據準備D)數(shù)據建模答案:A解析:根據CRISP-DM(cross-industrystandardprocessfordatamining，跨行業(yè)數(shù)據挖掘標準流程）模型，業(yè)務理解是指從業(yè)務的角度了解項目的要求和最終目的是什么，并將這些目的與數(shù)據挖掘的定義以及結果結合起來。[單選題]22.（）是指對于數(shù)據局部不良行為的非敏感性,它是探索性分析追求的主要目標之一。A)魯棒性B)穩(wěn)定性C)可靠性D)耐抗性答案:D解析:耐抗性（Resistance）為探索性數(shù)據分析的四個指標之一，是指對于數(shù)據的局部不良行為的非敏感性，它是探索性分析追求的主要目標之一。對于具有耐抗性的分析結果，當數(shù)據的一小部分被新的數(shù)據代替時，即使它們與原來的數(shù)值差別很大，分析結果也只會有輕微的改變。[單選題]23.（假設precision=TP/(TP+FP),recall=TP/(TP+FN)）在二分類問題中，當測試集的正例和負例數(shù)量不均衡時，以下評價方案哪個是相對不合理的（）。A)curacy:(TP+TN)/allB)F-value:2recallprecision/(recall+precision)C)G-mean:sqrt(precision*recall)D)AUC:曲線下面答案:A解析:測試集正例和負例數(shù)量不均衡，那么假設正例數(shù)量很少占10%，負例數(shù)量占大部分90%。而且算法能正確識別所有負例，但正例只有一半能正確判別。那么TP=0.05×all,TN=0.9×all，Accuracy=95%。雖然Accuracy很高，precision是100%,但正例recall只有50%。[單選題]24.(）將觀測值分為相同數(shù)目的兩部分，當統(tǒng)計結果為非對稱分布時，經常使用它。A)眾數(shù)B)標準差C)中位數(shù)D)均值答案:C解析:中位數(shù)是指一組數(shù)據排序后處于中間位置的變量值。[單選題]25.a=[1,2,3.4,5]，切片時如果要取[2,3.4]，正確的選項是（）。A)a[1:4]B)a[-2:]C)a[1:-1]D)a[::2]答案:C解析:此題應注意是'3.4'而不是'3，4',有以下取法：a[1:3]、a[1:-1][單選題]26.下列縮進格式描述不正確的是（）。A)縮進指在代碼行前面添加空格或Tab；B)在Python程序中，縮進不是任意的；C)縮進可以使程序更有層次感、更有結構感，從而是程序更易讀。D)平級的語句行（代碼塊）的縮進可以不相同。答案:D解析:Python強制縮進，平級的語句行與代碼塊的縮進必須相同。[單選題]27.數(shù)據科學家可能會同時使用多個算法（模型）進行預測，并且最后把這些算法的結果集成起來進行最后的預測（集成學習），以下對集成學習說法正確的是（）。A)單個模型之間具有高相關性B)單個模型之間具有低相關性C)在集成學習中使用?平均權重?而不是?投票?會比較好D)單個模型都是用的一個算法答案:B解析:集成學習就是組合這里的多個弱監(jiān)督模型以期得到一個更好更全面的強監(jiān)督模型，集成學習潛在的思想是即便某一個弱模型得到了錯誤的預測，其他的弱模型也可以將錯誤糾正回來。某一個弱模型要有一定的?準確性?，即學習器不能太壞，并且要有多樣性，即個體學習器間具有差異。集成中即可包含同種類型的弱模型，也可包含不同類型的弱模型。[單選題]28.對于線性回歸模型，包括附加變量在內，以下的可能正確的是（）。1）R-Squared和AdjustedR-squared都是遞增的2）R-Squared是常量的，AdjustedR-squared是遞增的3）R-Squared是遞減的，AdjustedR-squared也是遞減的4）R-Squared是遞減的，AdjustedR-squared是遞增的A)1和2B)1和3C)2和4D)以上都不是答案:D解析:R-squared不能決定系數(shù)估計和預測偏差。每次在模型中加入預測器，R-squared遞增或不變。[單選題]29.圖像平滑會造成（）。A)圖像邊緣模糊化B)圖像邊緣清晰化C)無影響D)以上答案都不正答案:A解析:為了抑制噪聲，使圖像亮度趨于平緩的處理方法就是圖像平滑。圖像平滑實際上是低通濾波，平滑過程會導致圖像邊緣模糊化。[單選題]30.下列不能作為數(shù)據科學數(shù)據源的是（）。A)醫(yī)院里的病歷、檢查、診斷等與健康相關的數(shù)據B)物聯(lián)網中涉及到設備運行情況的日志數(shù)據C)金融領域客戶的借款記錄以及信用情況D)個人電腦中用于備忘的日記答案:D解析:數(shù)據科學數(shù)據源的前提條件是數(shù)據需要具備：規(guī)律性、周期性等特征，個人電腦中用于備忘的日記一般不具備規(guī)律性。[單選題]31.隨機森林等樹狀算法通過哪個模塊進行調用（）。A)dummyB)ensembleC)treeD)experimental答案:B解析:sklearn.ensemble模塊包含了很多集成學習的算法，包括隨機森林、Adaboost、GBDT等。[單選題]32.假設我們擁有一個已完成訓練的、用來解決車輛檢測問題的深度神經網絡模型，訓練所用的數(shù)據集由汽車和卡車的照片構成，而訓練目標是檢測出每種車輛的名稱（車輛共有10種類型）?，F(xiàn)在想要使用這個模型來解決另外一個問題，問題數(shù)據集中僅包含一種車（福特野馬）而目標變?yōu)槎ㄎ卉囕v在照片中的位置（）。A)除去神經網絡中的最后一層，凍結所有層然后重新訓練B)對神經網絡中的最后幾層進行微調，同時將最后一層（分類層）更改為回歸層C)使用新的數(shù)據集重新訓練模型D)所有答案均不答案:B解析:由于神經網絡淺層網絡主要提取圖像的低維特征，對于相近領域進行遷移學習時，這些低維特征相同，因此只需要對最后幾層進行微調，而檢測位置相當于回歸任務。[單選題]33.關于數(shù)據相關性，以下說法錯誤的是（）。A)關性體現(xiàn)了大數(shù)據的靈魂B)關性思維實現(xiàn)了從?為什么?到?是什么?的思維轉變C)關性關注事物的因果關系D)關性關注事物的相關關系答案:C解析:相關性，是指兩個變量的關聯(lián)程度，可以有正相關、負相關、不相關。[單選題]34.下列說法錯誤的是（）A)生產者和消費者面向的都是一個topicB)生產者發(fā)送數(shù)據的對象是leaderC)當集群中的某個節(jié)點發(fā)生故障時，Replica上的partition數(shù)據不會丟失D)partition是一個沒有順序的隊答案:D解析:[單選題]35.直方圖均衡化適用于增強直方圖呈（）分布的圖像。A)尖峰B)波形C)隨機D)高答案:A解析:直方圖均衡化適用于增強直方圖呈尖峰分布的圖像。[單選題]36.Hadoop-2.6.5集群中的HDFS的默認的數(shù)據塊的大小是（）A)32MB)64MC)128MD)256M答案:C解析:[單選題]37.下面關于HiveSQL創(chuàng)建表時描述正確的是（）A)LIKE允許復制表結構和表數(shù)據B)COMMENT可以為表與字段增加描述，必須有，不加會報錯C)ROWFORMAT設置行數(shù)據壓縮格式D)如果相同名字的表已經存在，則建表拋出異答案:D解析:[單選題]38.在k近鄰學習算法中，隨著k的增加，上界將逐漸降低，當k區(qū)域無窮大時，上界和下界碰到一起，k近鄰法就達到了（）。A)貝葉斯錯誤率B)漸進錯誤率C)最優(yōu)值D)上答案:A解析:在k近鄰學習算法中，隨著k的增加，上界將逐漸降低，當k區(qū)域無窮大時，上界和下界碰到一起，k近鄰法就達到了貝葉斯錯誤率。[單選題]39.關于數(shù)據服務中，app說法正確的是:（）。A)一個用戶只能創(chuàng)建一個APPB)一個APP只能申請一個API的權限C)一個用戶可以創(chuàng)建多個APP，一個APP可以申請多個API的權限D)一個API只能被一個APP使答案:C解析:[單選題]40.下列對于sigmoid函數(shù)的說法，錯誤的是（）A)存在梯度爆炸的問題B)不是關于原點對稱C)計算exp比較耗時D)存在梯度消失的問答案:A解析:對于sigmoid函數(shù)，S型函數(shù)圖像向兩邊的斜率逼近0，因此隨著網絡層增加，梯度消失比梯度爆炸更容易發(fā)生的多。[單選題]41.Hadoop中，Reducer的三個階段是__。A)Shuffle-Sort-ReduceB)Shuffle-Reduce-SortC)Reduce-Shuffle-SortD)Sort-Shuffle-Reduce答案:A解析:Reducer主要分為三個步驟Shuffle洗牌、Sort排序和Reduce[單選題]42.你正在訓練一個RNN網絡，你發(fā)現(xiàn)你的權重與激活值都是NaN，下列選項中，哪一個是導致這個問題的最有可能的原因（）A)梯度消失B)梯度爆炸C)ReLU函數(shù)作為激活函數(shù)g(.)，在計算g(z)時，z的數(shù)值過大了D)Sigmoid函數(shù)作為激活函數(shù)g(.)，在計算g(z)時，z的數(shù)值過大答案:B解析:訓練過程中出現(xiàn)梯度爆炸會伴隨一些細微的信號，如：1、模型無法從訓練數(shù)據中獲得更新（如低損失）。2、模型不穩(wěn)定，導致更新過程中的損失出現(xiàn)顯著變化。3、訓練過程中，模型損失變成NaN。[單選題]43.銳化(高通)濾波器的作用（）。A)能消減或削弱傅立葉空間的低頻分量，但不影響高頻分量B)能消減或削弱傅立葉空間的高頻分量，但不影響低頻分量C)對傅立葉空間的低、高頻分量均有削弱或削除作用D)對傅立葉空間的低、高頻分量均有增強作答案:A解析:高通濾波與低通濾波正好相反，是頻域圖像的高頻部分通過而抑制低頻部分。在圖像中圖像的邊緣對應高頻分量，因此高通濾波的效果是圖像銳化。[單選題]44.考慮某個具體問題時，你可能只有少量數(shù)據來解決這個問題。不過幸運的是你有一個類似問題已經預先訓練好的神經網絡?？梢杂孟旅婺姆N方法來利用這個預先訓練好的網絡（）A)把除了最后一層外所有的層都凍住，重新訓練最后一層B)對新數(shù)據重新訓練整個模型C)只對最后幾層進行調參(finetune)D)對每一層模型進行評估，選擇其中的少數(shù)來答案:C解析:如果有個預先訓練好的神經網絡,就相當于網絡各參數(shù)有個很靠譜的先驗代替隨機初始化。若新的少量數(shù)據來自于先前訓練數(shù)據(或者先前訓練數(shù)據量很好地描述了數(shù)據分布,而新數(shù)據采樣自完全相同的分布),則凍結前面所有層而重新訓練最后一層即可;但一般情況下,新數(shù)據分布跟先前訓練集分布有所偏差,所以先驗網絡不足以完全擬合新數(shù)據時,可以凍結大部分前層網絡,只對最后幾層進行訓練調參(這也稱之為finetune)。[單選題]45.視覺通道表現(xiàn)力評價指標不包括（）。A)精確性B)可辨認性C)可分離性D)可轉換性答案:D解析:在數(shù)據來源和目標用戶已定的情況下，不同視覺通道的表現(xiàn)力不同。視覺通道的表現(xiàn)力的評價指標包括精確性、可辨認性、可分離性和視覺突出性。[單選題]46.假設你在卷積神經網絡的第一層中有5個卷積核，每個卷積核尺寸為7×7，具有零填充且步幅為1。該層的輸入圖片的維度是224×224×3。那么該層輸出的維度是多少（）A)217x217x3B)217x217x8C)218x218x5D)220x220x答案:C解析:如果原始圖片尺寸為nxn，filter尺寸為fxf，則卷積后的圖片尺寸為(n-f+1)x(n-f+1)，注意f一般為奇數(shù)。若考慮存在填充和步幅，用s表示stride長度，p表示padding長度，如果原始圖片尺寸為nxn，filter尺寸為fxf，則卷積后的圖片尺寸為：[(n+2p-f)/s+1]x[(n+2p-f)/s+1](中括號內向下取整）.此例中，n=224，p=0，f=7，s=1，因此，該層輸出的尺寸為218x218.輸出的第三個維度由濾波器的個數(shù)決定，即為5。[單選題]47.下面那種情況不會觸發(fā)ConsumerRebalance操作（）A)某個消費者崩潰B)某個生產者崩潰C)消費者消費的多個topic中某個topic被刪除D)新增消費答案:B解析:[單選題]48.采用模板[-1，1]主要檢測（）方向的邊緣A)水平B)45°C)垂直D)135°答案:C解析:[單選題]49.假設我們已經在ImageNet數(shù)據集(物體識別)上訓練好了一個卷積神經網絡。然后給這張卷積神經網絡輸入一張全白的圖片。對于這個輸入的輸出結果為任何種類的物體的可能性都是一樣的，對嗎（）。A)對的B)不知道C)看情況D)不答案:D解析:不對，神經網絡對于未知的數(shù)據不是均勻預測的，會對莫一種或多種類別存在偏向。[單選題]50.對于一個圖像識別問題(在一張照片里找出一只貓)，下面哪種神經網絡可以更好地解決這個問題（）A)循環(huán)神經網絡B)感知機C)多層感知機D)卷積神經網答案:D解析:卷積神經網絡可以提取圖像特征，且具有平移不變性.循環(huán)神經網絡適合語言類數(shù)據。[單選題]51.字符串的strip方法的作用是()A)刪除字符串頭尾指定的字符B)刪除字符串末尾的指定字符C)刪除字符串頭部的指定字符D)通過指定分隔符對字符串切片答案:A解析:[單選題]52.sklearn庫中對數(shù)據進行預處理和規(guī)范化主要依靠（）模塊。A)neighbors模塊B)preprocessing模塊C)pipeline模塊D)datasets模塊答案:B解析:sklearn.preprocessing模塊包括縮放，居中，歸一化，二值化和插補方法，主要是對數(shù)據進行預處理和規(guī)范化。[單選題]53.通過聚集多個分類器的預測來提高分類準確率的技術稱為（）。A)組合(ensemble)B)聚集(aggregate)C)合并(combination)D)投票(voting)答案:A解析:通過聚集多個分類器的預測來提高分類準確率的技術稱為組合。[單選題]54.建立在相關關系分析法基礎上的預測是大數(shù)據的（）。A)基礎B)前提C)核心D)條件答案:C解析:建立在相關關系分析法基礎上的預測是大數(shù)據的核心。[單選題]55.請把下劃處的代碼補充完整：______intostudent(s_name)______(?王大軍?);A)update,valuesB)insert,valueC)insert,valuesD)delete,lik答案:C解析:[單選題]56.為提高計算性能，Spark中Transformation操作采用的是（）計算模式。A)活性B)惰性C)實時D)非實時答案:B解析:Spark的所有Trandformation操作采取的是?惰性計算模式?[單選題]57.以下關于Hadoop中MapReduce說法正確的是（）。A)可以沒有reduce任務B)Reducer輸入為隨機輸入C)shuffle主要實現(xiàn)數(shù)據可視化功能D)一個reducer只能從一個map復制所需要的partition答案:A解析:MapReduce中的reduce并不是必須存在的。[單選題]58.檢測一元正態(tài)分布中的離群點,屬于異常檢測中的基于（）的離群點檢測。A)統(tǒng)計方法B)鄰近度C)密度D)機器學習技術答案:A解析:檢測一元正態(tài)分布中的離群點,屬于異常檢測中的基于統(tǒng)計的離群點檢測。[單選題]59.在MaxComputeSQL中，對兩個double類型的時間進行比較，正確的做法是:（）。A)使用關系運算符B)使用關系運算符"！=?C)使用關系運算符?<>?D)使用兩個double類型相減，然后取絕對值的方式進行答案:D解析:[單選題]60.K-means++算法選擇初始seeds的基本思想就是：初始的聚類中心之間的相互距離要盡可能的遠。那么算法流程為（）。1.從輸入的數(shù)據點集合中隨機選擇一個點作為第一個聚類中心2.對于數(shù)據集中的每一個點x，計算它與最近聚類中心(指已選擇的聚類中心)的距離D(x)3.選擇一個新的數(shù)據點作為新的聚類中心，選擇的原則是：D(x)較大的點，被選取作為聚類中心的概率較大4.重復2和3直到k個聚類中心被選出來5.利用這k個初始的聚類中心來運行標準的k-means算法A)2.5.4.3.1B)1.5.4.2.3C)1.2.3.4.5D)4.3.2.1.答案:C解析:k-means++算法基本流程為：1.從輸入的數(shù)據點集合中隨機選擇一個點作為第一個聚類中心2.對于數(shù)據集中的每一個點x，計算它與最近聚類中心(指已選擇的聚類中心)的距離D(x)3.選擇一個新的數(shù)據點作為新的聚類中心，選擇的原則是：D(x)較大的點，被選取作為聚類中心的概率較大4.重復2和3直到k個聚類中心被選出來5.利用這k個初始的聚類中心來運行標準的k-means算法[單選題]61.下列哪種機器學習算法不需要歸一化處理（）A)DecisionTreeB.SVMC.KmeansD.LogisticRegressioB)C)KmeansD)LogisticRegressio答案:A解析:DecisionTree屬于概率模型，不需要歸一化處理；SVM、Kmeans和LogisticRegression之類的最優(yōu)化問題需要歸一化處理。[單選題]62.（）是表現(xiàn)數(shù)據分布對稱性的指標。A)斜率B)偏斜度C)偏度D)偏離答案:B解析:偏斜度是對統(tǒng)計數(shù)據分布偏斜方向及程度的度量。在偏態(tài)分布中，當偏斜度為正值時，分布正偏，即眾數(shù)位于算術平均數(shù)的左側；當偏斜度為負值時，分布負偏，即眾數(shù)位于算術平均數(shù)的右側。[單選題]63.圖像的形態(tài)學處理方法包括（）。A)圖像增強B)圖像銳化C)圖像分割D)腐蝕答案:D解析:圖像的形態(tài)學處理方法最常用的幾種操作：腐蝕、膨脹、開操作、閉操作、形態(tài)學濾波、形態(tài)學梯度、頂帽、黑帽以及測地腐蝕、測地膨脹。[單選題]64.HBase使用一個（）節(jié)點協(xié)調管理一個或多個regionserver從屬機。A)namenode；B)datanode；C)jobtracker；D)master；答案:D解析:Hbase中由一個Master節(jié)點負責協(xié)調管理一個或多個RegionServer從屬機第2部分：多項選擇題，共22題，每題至少兩個正確答案,多選或少選均不得分。[多選題]65.下列的函數(shù)轉換哪一個是正確的（語法正確）：A)int("abcdef")ValueErrorB)float(''')SyntaxErrorC)bool((3,',"))SyntaxErrorD)str(')SyntaxError答案:BD解析:[多選題]66.DWS支持的事務隔離級別有：A)READUNCOMMITTED（讀未提交）B)READCOMMITTED（讀提交）C)REPEATABLEREAD（可重復讀）D)SERIALIZABLE（序列化答案:BC解析:[多選題]67.大數(shù)據計算服務（MaxCompute，原ODPS）提供的是海量數(shù)據的存儲和計算能力，和我們熟悉的關系型數(shù)據庫存在較大的差別。以下說法中正確的是:（）。A)不支持事務B)不支持deleteC)不支持索引D)不支持壓縮答案:ABC解析:[多選題]68.下列關于RNN、LSTM、GRU說法正確的是(__)。A)RNN引入了循環(huán)的概念B)LSTM可以防止梯度消失或者爆炸C)GRU是LSTM的變體D)RNN、LSTM、GRU是同一神經網絡的不同說法，沒有區(qū)答案:ABCD解析:RNN:循環(huán)神經網絡，是非線性動態(tài)系統(tǒng)，將序列映射到序列;LSTM：LSTM通過刻意的設計來避免長期依賴問題。記住長期的信息在實踐中是LSTM的默認行為，而非需要付出很大代價才能獲得的能力;GRU:LSTM有很多變體，其中較大改動的是GatedRecurrentUnit(GRU),它將忘記門和輸入門合成了一個單一的更新門。同樣還混合了細胞狀態(tài)和隱藏狀態(tài)，和其他一些改動。最終的模型比標準的LSTM模型要簡單。效果和LSTM差不多，但是參數(shù)少了1/3，不容易過擬合。[多選題]69.下面是Python的特點和優(yōu)點是（）。A)解釋性B)動態(tài)特性C)面向對象D)語法簡潔答案:ABCD解析:Python的特點和優(yōu)點是基于面向對象設計，代碼解釋性強，使用動態(tài)特性、語法簡潔。[多選題]70.關于Hive的說法正確的是（）。A)Hive是基于Hadoop的數(shù)據倉庫工具B)Hive可以將結構化的數(shù)據文件映射為一張數(shù)據庫表C)最初，Hive由Google開源，用于解決海量結構化日志數(shù)據統(tǒng)計問題D)Hive的主要應用場景是離線分析答案:ABD解析:Hive不是由谷歌提出和開源的，谷歌提出的三大核心技術是GFS，BigTable，MapReduce。[多選題]71.下列哪些是傳統(tǒng)RDBMS的缺點（）A)表結構schema擴展不方便B)全文搜索功能較弱C)大數(shù)據場景下I/O較高D)存儲和處理復雜關系型數(shù)據功能較弱答案:ABCD解析:傳統(tǒng)RDBMS的缺點包括表結構schema擴展不方便、全文搜索功能較弱、大數(shù)據場景下I/O較高、存儲和處理復雜關系型數(shù)據功能較弱。[多選題]72.以下關于HTML標簽嵌套規(guī)則的說法，正確的是（）。A)塊元素可以包含內聯(lián)元素或某些塊元素，但內聯(lián)元素也可以包含塊元素B)HTML標簽包括塊級元素和內嵌元素C)內嵌元素一般用在網站內容之中的某些細節(jié)或部位，用以?強調區(qū)分樣式上標下標錨點?等，通常包括：aabbrbbrfontiimginputkbdlabelqsselectsmallspansubttuvar等D)其中塊級元素一般用來搭建網絡架構布局承載內容，通常包括的標簽有：addressdirdivdldtddformh1~h6hrisindexmenunoframesnoscriptolppretableul等答案:BCD解析:塊元素可以包含內聯(lián)元素或某些塊元素，但內聯(lián)元素卻不能包含塊元素，它只能包含其他的內聯(lián)元素。[多選題]73.DWS提供的用于數(shù)倉遷移的工具包括以下哪些：A)DBSB)GDSC)MigrationToolD)TransferToo答案:BC解析:[多選題]74.HIS表色系的三屬性包含：（）。A)色調B)色飽和度C)亮度D)色答案:ABC解析:HIS表色系包含色調，色飽和度和亮度。[多選題]75.神經網絡的拓撲結構可以分為（）和隨機型網絡等。A)前向型B)后向型C)反饋型D)自組織競爭答案:ACD解析:神經網絡的拓撲結構有前向型、反饋型、自組織競爭型和隨機型網絡等。[多選題]76.Spark容錯性的方式有哪些（）。A)數(shù)據檢查點；B)存儲原始數(shù)據；C)記錄數(shù)據的更新；D)自建數(shù)據版本；答案:AC解析:Spark容錯性有兩種方式數(shù)據檢查點和記錄數(shù)據的更新。[多選題]77.關于數(shù)據流轉和應用，以下說法正確的是（）。A)數(shù)據流轉和應用過程中應確?？勺匪?、可復查B)前序環(huán)節(jié)應保證數(shù)據的真實、完整C)前序環(huán)節(jié)應及時傳遞到后序環(huán)節(jié)D)前后環(huán)節(jié)數(shù)據應保持銜接一致答案:ABCD解析:數(shù)據流轉和應用主要包括可追溯、復查，數(shù)據真實、完整，環(huán)節(jié)銜接完整，環(huán)節(jié)銜接數(shù)據一致。[多選題]78.DGI定義的數(shù)據治理任務包括（）。A)數(shù)據質量的評估B)主動定義或序化規(guī)則C)為數(shù)據利益相關者提供持續(xù)跨職能的保護與服務D)應對并解決因不遵守規(guī)則而產生的問題答案:BCD解析:DGI（TheDataGover略ceInstitute）認為數(shù)據治理是對數(shù)據相關的決策及數(shù)據使用權限控制的活動。它是一個信息處理過程中根據模型來執(zhí)行的決策權和承擔責任的系統(tǒng)，規(guī)定了誰可以在什么情況下對哪些信息做怎樣的處理。[多選題]79.下面哪些是循環(huán)神經網絡的輸出模式(__)。A)多輸出B)單輸出C)同步多輸出D)異步多輸答案:ABD解析:循環(huán)神經網絡是遞歸的，不可能同步多輸出。[多選題]80.在假設檢驗中，當原假設為?偽?，但數(shù)據分析人員沒有拒絕它時犯的錯誤叫（）。A)α錯誤B)β錯誤C)取偽錯誤D)棄真錯誤答案:BC解析:α錯誤（棄真錯誤）：當原假設為真時，但我們錯誤地認為?原假設是不成立的?，進而導致拒絕這個正確假設；β錯誤（取偽錯誤）：當原假設為假時，但我們錯誤地認為?原假設是成立的?，進而導致接受此錯誤假設[多選題]81.在大數(shù)據計算服務（MaxCompute，原ODPS）SQL中可以用邏輯運算連接多個條件，以下邏輯運算結果正確的有:（）。A)TrueorNULL=TrueB)FalseORFalse=FalseC)TrueANDFalse=FalseD)TrueANDTrue=True答案:ABCD解析:[多選題]82.關于Python組合數(shù)據類型，以下選項中描述正確的是（）。A)Python的str,tuple和list類型都屬于序列類型B)Python組合數(shù)據類型能夠將多個同類型或不同類型的數(shù)據組織起來，通過單一的表示使數(shù)據操作更有序更容易C)組合數(shù)據類型可以分為3類：序列類型,集合類型和映射類型D)序列類型是二維元素向量，元素之間存在先后關系，通過序號訪問答案:ABC解析:序列類型是一維元素向量。[多選題]83.關于Python語言的特點，以下選項描述不正確的是（）。A)Python語言不支持面向對象B)Python語言是解釋型語言C)Python語言是編譯型語言D)Python語言是非跨平臺語言答案:ACD解析:Python語言是面向對象的解釋型語言，可跨平臺使用。[多選題]84.下面有關HTML敘述正確的是（）。A)一個HTML文件可以用記事本來編輯B)HTML的意思是超文本標記語言C)一個HTML文件必須是一個以htm或html為擴展名的文件D)HTML區(qū)分大小寫,如寫成<B>是錯誤的答案:ABC解析:在HTML文件是不區(qū)分大小寫的。[多選題]85.關于分析學習和歸納學習的比較，說法正確的是（）。A)歸納學習擬合數(shù)據假設，分析學習擬合領域理論的假設B)歸納學習論證方式為統(tǒng)計推理，分析學習為演繹推理C)歸納學習不需要隱式的先驗知識D)訓練數(shù)據不足時歸納學習可能會失敗答案:ABCD解析:分析學習是相對于歸納學習的一種提法，其特點是使用先驗知識來分析或解釋每個訓練樣本，以推理出樣本的哪些特征與目標函數(shù)相關或不相關。因此，這些解釋能使機器學習系統(tǒng)比單獨依靠數(shù)據進行泛化有更高的精度。分析學習使用先驗知識來減小待搜索假設空間的復雜度，減小了樣本