數(shù)據(jù)挖掘競賽復(fù)習(xí)測試卷含答案

第頁數(shù)據(jù)挖掘競賽復(fù)習(xí)測試卷含答案1.屬于卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用方向的是（）。A、圖像分類B、目標(biāo)檢測C、圖像語義分割D、以上答案都正確【正確答案】：D解析：

卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像分類、目標(biāo)檢測及圖像語義分割。2.給定詞匯表如下：{Bob,ok,like,football,car}。則下面句子Botlikesfootball的詞袋模型表示為（）。A、[11100]B、[10110]C、[10010]D、[01101]【正確答案】：B解析：

統(tǒng)計(jì)文檔中每個(gè)詞的數(shù)量，根據(jù)詞表的位置，將各個(gè)詞的數(shù)量拼接成一個(gè)向量即可。3.下列屬于無監(jiān)督學(xué)習(xí)的是（）。A、K-meansB、SVMC、最大熵D、CRF【正確答案】：A解析：

K-means是一個(gè)將數(shù)據(jù)集中在某些方面相似的數(shù)據(jù)成員進(jìn)行分類組織的過程，這是一個(gè)典型聚類算法，聚類就是一種發(fā)現(xiàn)這種內(nèi)在結(jié)構(gòu)的技術(shù)，該類算法被稱為無監(jiān)督學(xué)習(xí)。4.關(guān)于Python程序格式框架的描述，以下選項(xiàng)中錯(cuò)誤的是（）。A、Python語言不采用嚴(yán)格的“縮進(jìn)”來表明程序的格式框架B、Python單層縮進(jìn)代碼屬于之前最鄰近的一行非縮進(jìn)代碼，多層縮進(jìn)代碼根據(jù)縮進(jìn)關(guān)系決定所屬范圍C、Python語言的縮進(jìn)可以采用Tab鍵實(shí)現(xiàn)D、判斷、循環(huán)、函數(shù)等語法形式能夠通過縮進(jìn)包含一批Python代碼，進(jìn)而表達(dá)對應(yīng)的語義【正確答案】：A解析：

Python語言采用嚴(yán)格的“縮進(jìn)”來表明程序的格式框架，縮進(jìn)可以用Tab鍵或者空格實(shí)現(xiàn)。5.Spark的劣勢是（）。A、運(yùn)算速度快B、業(yè)務(wù)實(shí)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(jī)器內(nèi)存【正確答案】：D解析：

Spark采用的是內(nèi)存計(jì)算模式，需要的內(nèi)存較多。6.一元線性回歸方程y=0.7+0.82x，判定系數(shù)等于0.64，則x與y的相關(guān)系數(shù)為（）。A、0.82B、0.64C、0.8D、0.7【正確答案】：C解析：

一元回歸分析中，自變量和因變量的相關(guān)系數(shù)的平方等于回歸模型的判定系數(shù)。所以，相關(guān)系數(shù)=sqrt（0.64）=0.8。7.MapReduce默認(rèn)的分區(qū)函數(shù)是（）。A、hashB、diskC、reduceD、map【正確答案】：A解析：

MapReduce默認(rèn)的分區(qū)函數(shù)是hash。8.以下關(guān)于連接數(shù)組的描述，不正確的是（）。A、concatenate連接沿現(xiàn)有軸的數(shù)組序列B、stack沿著新的軸加入一系列數(shù)組。C、vstack水平堆疊序列中的數(shù)組（列方向）D、hstack3D堆疊序列中的數(shù)組（行方向）【正確答案】：D解析：

hstack）為數(shù)組水平拼接。9.通?！奥湮檎摺笔怯绊慚apReduce總執(zhí)行時(shí)間的主要影響因素之一，為此MapReduce采用（）機(jī)制來解決。A、分布式計(jì)算B、惰性計(jì)算C、推測性執(zhí)行的任務(wù)備份D、先進(jìn)先出【正確答案】：C解析：

MapReduce采用“推測性執(zhí)行的任務(wù)備份”機(jī)制，當(dāng)作業(yè)中大多數(shù)的任務(wù)都已經(jīng)完成時(shí)，系統(tǒng)在幾個(gè)空閑的節(jié)點(diǎn)上調(diào)度執(zhí)行剩余任務(wù)的備份，并在多個(gè)Worker上同時(shí)進(jìn)行相同的剩余任務(wù)。10.PHOTO_PATH="./photo/{}.jpg"指令可以實(shí)現(xiàn)（）。A、復(fù)制jpg文件到photo目錄下B、定義一個(gè)名為photo的存儲(chǔ)路徑C、打開photo里所有的jpg文件D、重命名目錄【正確答案】：B解析：

PHOTO_PATH="./photo/{}.jpg"指令可以實(shí)現(xiàn)定義一個(gè)名為photo的相對存儲(chǔ)路徑。11.以下關(guān)于Python模塊理解錯(cuò)誤的有（）。A、模塊是包含函數(shù)和變量的Python文件B、不可以使用.操作符訪問模塊中的函數(shù)和變量C、可以導(dǎo)入模塊中的所有類D、可以在一個(gè)模塊中導(dǎo)入另一個(gè)模塊【正確答案】：B解析：

導(dǎo)入模塊后，可直接使用“模塊.函數(shù)名/變量名”訪問函數(shù)或變量。12.在Python文件操作中，使用關(guān)鍵字（）可以在文件訪問后自動(dòng)將其關(guān)閉。A、assertB、breakC、nonlocalD、with【正確答案】：D解析：

在Python文件操作中，使用關(guān)鍵字with可以在文件訪問后自動(dòng)將其關(guān)閉。13.下列圖像邊緣檢測算子中抗噪性能最好的是（）。A、梯度算子B、Prewitt算子C、Roberts算子D、Laplacian算子【正確答案】：B解析：

Prewitt算子是一種一階微分算子的邊緣檢測，利用像素點(diǎn)上下、左右鄰點(diǎn)的灰度差，在邊緣處達(dá)到極值檢測邊緣，去掉部分偽邊緣，對噪聲具有平滑作用。14.以下不屬于大數(shù)據(jù)在社會(huì)活動(dòng)中的典型應(yīng)用的是（）。A、美團(tuán)實(shí)現(xiàn)了快速精準(zhǔn)的送餐服務(wù)B、共享單車、滴滴打車方便了人們的日常出行C、快遞實(shí)現(xiàn)了訂單的實(shí)時(shí)跟蹤D、供電公司提供電費(fèi)賬單查詢【正確答案】：D解析：

電費(fèi)賬單查詢屬于簡單報(bào)表查詢，用電情況分析、竊電行為分析、基于交易大數(shù)據(jù)分析用戶的購買習(xí)慣、基于傳感器感知的海量數(shù)據(jù)分析自然災(zāi)害的危害程度、基于搜索引擎的搜索關(guān)鍵詞分析社會(huì)熱點(diǎn)等屬于大數(shù)據(jù)應(yīng)用。15.下列哪種業(yè)務(wù)場景中，不能直接使用Reducer充當(dāng)Combiner使用（）A、sum求和B、max求最大值C、count求計(jì)數(shù)D、avg求平均【正確答案】：D解析：

求平均需要對全部數(shù)據(jù)進(jìn)行計(jì)算而非部分?jǐn)?shù)據(jù)，在不更改業(yè)務(wù)邏輯的情況，使用Reducer充當(dāng)Combiner，最終會(huì)造成業(yè)務(wù)結(jié)果不正確。16.（）不是Spark服務(wù)層的功能。A、SQL查詢B、實(shí)時(shí)處理C、機(jī)器學(xué)習(xí)D、內(nèi)存計(jì)算【正確答案】：D解析：

Spark服務(wù)層主要提供面向特定類型的計(jì)算服務(wù)，如SQL查詢、實(shí)時(shí)處理、機(jī)器學(xué)習(xí)以及圖計(jì)算。17.在回歸分析中，說法正確的是（）。A、解釋變量和被解釋變量都是隨機(jī)變量B、解釋變量為非隨機(jī)變量，被解釋變量為隨機(jī)變量C、解釋變量和被解釋變量都為非隨機(jī)變量D、解釋變量為隨機(jī)變量，被解釋變量為非隨機(jī)變量【正確答案】：B解析：

在回歸分析中，解釋變量可以理解為自變量，具有確定性，因此為非隨機(jī)變量；被解釋變量可以理解為因變量，具有隨機(jī)性，因此為隨機(jī)變量。18.下列算法中：①K-NN最近鄰算法；②線性回歸；③邏輯回歸，可以用神經(jīng)網(wǎng)絡(luò)構(gòu)建的算法是（）。A、①②B、②③C、①②③D、以上都不是【正確答案】：B解析：

KNN是關(guān)于距離的學(xué)習(xí)算法，沒有任何參數(shù)，所以無法用神經(jīng)網(wǎng)絡(luò)構(gòu)建。19.下列關(guān)于數(shù)據(jù)科學(xué)流程與方法的描述中，錯(cuò)誤的是（）。A、數(shù)據(jù)科學(xué)的基本流程包括數(shù)據(jù)化、數(shù)據(jù)加工（DataWrangling或DataMunging）、數(shù)據(jù)規(guī)整化、探索性分析、數(shù)據(jù)分析與洞見、結(jié)果展現(xiàn)以及數(shù)據(jù)產(chǎn)品的提供B、對于數(shù)據(jù)形態(tài)不符合要求的亂數(shù)據(jù)，要通過清洗成為規(guī)整數(shù)據(jù)C、數(shù)據(jù)分析包括描述性分析、診斷性分析、預(yù)測性分析和規(guī)范性分析D、數(shù)據(jù)可視化會(huì)遇到視覺假象問題，人眼對亮度和顏色的相對判斷容易造成視覺假象【正確答案】：B解析：

對于數(shù)據(jù)形態(tài)不符合要求的亂數(shù)據(jù)，要通過規(guī)整化處理（DataTyding）成為規(guī)整數(shù)據(jù)20.HBase依靠（）存儲(chǔ)底層數(shù)據(jù)。A、HDFSB、HadoopC、MemoryD、MapReduce【正確答案】：A解析：

HBase位于結(jié)構(gòu)化存儲(chǔ)層，HDFS為HBase提供了高可靠性的底層存儲(chǔ)支持。21.關(guān)于混合模型聚類算法的優(yōu)缺點(diǎn)，下面說法正確的是（）。A、當(dāng)簇只包含少量數(shù)據(jù)點(diǎn)或者數(shù)據(jù)點(diǎn)近似協(xié)線性時(shí)，混合模型也能很好地處理B、混合模型很難發(fā)現(xiàn)不同大小和橢球形狀的簇C、混合模型比K均值或模糊C均值更一般，因?yàn)樗梢允褂酶鞣N類型的分布D、混合模型在有噪聲和離群點(diǎn)時(shí)不會(huì)存在問題【正確答案】：C解析：

K均值與模糊C均值都是迭代求取最終值的聚類劃分，即聚類中心與隸屬度值。兩者都不能保證找到問題的最優(yōu)解，都有可能收斂到局部極值。模糊C均值是K均值方法的改進(jìn)，算法的目標(biāo)函數(shù)與K均值一致，區(qū)別在于目標(biāo)函數(shù)中增加了模糊權(quán)重指數(shù)；GMM高斯混合模型聚類采用了新的判斷依據(jù)——概率，即通過屬于某一類的概率大小來判斷最終的歸屬類別。22.Python安裝擴(kuò)展庫常用的是（）工具。A、pyinstallB、pipC、popD、post【正確答案】：B解析：

略。23.下列表達(dá)式中[print（x，y，100-x-y）forxinrange（21）foryinrange（34）if（100-x-y）%3==0and5*x+3*y+（100-x-y）//3==100]，第三次輸出的結(jié)果是（）。A、41878B、42175C、81478D、81181【正確答案】：D解析：

執(zhí)行結(jié)果應(yīng)為：24.以下說法錯(cuò)誤的是（）。A、當(dāng)目標(biāo)函數(shù)是凸函數(shù)時(shí)，梯度下降的解時(shí)全局最優(yōu)解B、進(jìn)行PCA降維時(shí)需要計(jì)算協(xié)方差矩陣C、沿負(fù)梯度下降的方向一定是最優(yōu)的方向D、利用拉格朗日函數(shù)能解帶約束的優(yōu)化問題【正確答案】：C解析：

梯度下降法并不是下降最快的方向，它只是目標(biāo)函數(shù)在當(dāng)前的點(diǎn)的切平面上下降最快的方向，可以說負(fù)梯度下降的方向一定是局部最優(yōu)的方向。25.關(guān)于PythonNumpy，、Scipy，、Pandas這些庫的區(qū)別，描述不對的是（）。A、Numpy是以矩陣為基礎(chǔ)的數(shù)學(xué)計(jì)算模塊，純數(shù)學(xué)B、Scipy基于Numpy，科學(xué)計(jì)算庫，有一些高階抽象和物理模型C、Pandas提供了一套名為DataFrame的數(shù)據(jù)結(jié)構(gòu)D、三個(gè)模塊分別獨(dú)立【正確答案】：D解析：

模塊之間不是相互獨(dú)立的，例如Pandas和Scipy都基于Numpy。26.依托（），結(jié)合應(yīng)用推進(jìn)數(shù)據(jù)歸集，形成統(tǒng)一的數(shù)據(jù)資源中心。A、全業(yè)務(wù)數(shù)據(jù)中心和數(shù)據(jù)平臺(tái)B、營銷基礎(chǔ)數(shù)據(jù)平臺(tái)和大數(shù)據(jù)平臺(tái)C、全業(yè)務(wù)中心和營銷基礎(chǔ)數(shù)據(jù)平臺(tái)D、全業(yè)務(wù)數(shù)據(jù)中心和大數(shù)據(jù)平臺(tái)【正確答案】：A解析：

詳見互聯(lián)數(shù)據(jù)〔2019〕14號《國網(wǎng)互聯(lián)網(wǎng)部關(guān)于加強(qiáng)數(shù)據(jù)管理的通知》。27.執(zhí)行下面操作后，list2的值是（）。A、[4,5,6]B、[4,3,6]C、[4,5,3]D、以上答案都不正確【正確答案】：C解析：

賦值語句是淺復(fù)制操作，沒有復(fù)制子對象，所以原始數(shù)據(jù)改變，子對象會(huì)改變。28.關(guān)于Python布爾值，下列選項(xiàng)描述正確的是（）。A、整型的0不可以表示FalseB、浮點(diǎn)型的0不可以表示FalseC、0+0j可以表示FalseD、布爾值不可以進(jìn)行算術(shù)運(yùn)算【正確答案】：C解析：

整型、浮點(diǎn)型0均可表示False，布爾值可參加運(yùn)算。29.關(guān)于Hive說法正確的是（）。A、一種數(shù)據(jù)倉庫B、一種數(shù)據(jù)處理工具C、一種可視化工具D、一種分析算法【正確答案】：A解析：

Hive是基于Hadoop的一個(gè)數(shù)據(jù)倉庫工具，用來進(jìn)行數(shù)據(jù)提取、轉(zhuǎn)化、加載，這是一種可以存儲(chǔ)、查詢和分析存儲(chǔ)在Hadoop中的大規(guī)模數(shù)據(jù)的機(jī)制。30.彩色圖像增強(qiáng)時(shí)，（）處理可以采用RGB。A、直方圖均衡化B、同態(tài)濾波C、加權(quán)均值濾波D、中值濾波【正確答案】：C解析：

RGB是彩色圖像的三通道像素值，均值濾波進(jìn)行的是線性操作，不影響原本圖像的相對亮度。31.BP神經(jīng)網(wǎng)絡(luò)具有很的表示能力，它經(jīng)常遭遇（），其訓(xùn)練誤差持續(xù)降低，但測試誤差卻可能上升。A、欠擬合B、誤差過大C、誤差過小D、過擬合【正確答案】：D解析：

由于其強(qiáng)大的表示能力,BP神經(jīng)網(wǎng)絡(luò)經(jīng)常遭遇過擬合,其訓(xùn)練誤差持續(xù)降低,但測試誤差卻可能上升。32.以下代碼的輸出結(jié)果為（）。A、[[123][345][456]]B、3.6666666666667C、[2.666666673.666666674.66666667]D、[2.4.5.]【正確答案】：C解析：

對每列求均值。33.后剪枝是先從訓(xùn)練集生成一顆完整的決策樹，然后（）對非葉結(jié)點(diǎn)進(jìn)行考察。A、自上而下B、在劃分前C、禁止分支展開D、自底向上【正確答案】：D解析：

--34.當(dāng)我們需要在一張圖表中特意指出某個(gè)特殊點(diǎn)，并加上標(biāo)注達(dá)到醒目的目的時(shí)，需要用到（）函數(shù)。A、plt.axvspan）B、plt.axhspan）C、plt.annotate）D、plt.text）【正確答案】：C解析：

annotate為圖的某個(gè)位置添加注解。35.sklearn.cluster模塊實(shí)現(xiàn)的了哪個(gè)功能是（）。A、集群B、降維C、回歸D、聚類【正確答案】：D解析：

sklearn.cluster模塊收集了流行的無監(jiān)督聚類算法，包括K-means，、密度聚據(jù)類，、層次聚類等。36.在python中可以通過調(diào)用random庫來產(chǎn)生隨機(jī)數(shù)。a=random.randint（1,99），并賦值給變量a。以下描述正確的是（）。A、隨機(jī)產(chǎn)生一個(gè)1～~99的小數(shù)；B、隨機(jī)產(chǎn)生一個(gè)1～~99的整數(shù)；C、產(chǎn)生一個(gè)值為99的整數(shù)；D、隨機(jī)產(chǎn)生一個(gè)1～~99的無理數(shù)；【正確答案】：B解析：

randint）函數(shù)用來生成閉區(qū)間的整數(shù)。37.以下關(guān)于隨機(jī)森林的說法正確的是（）。A、隨機(jī)森林對于高維數(shù)據(jù)集的處理能力比較好B、在對缺失數(shù)據(jù)進(jìn)行估計(jì)時(shí),隨機(jī)森林是一個(gè)十分有效的方法C、當(dāng)存在分類不平衡的情況時(shí),隨機(jī)森林能夠提供平衡數(shù)據(jù)集誤差的有效方法D、以上答案都正確【正確答案】：D解析：

隨機(jī)森林對于高維數(shù)據(jù)集的處理能力比較好，在對缺失數(shù)據(jù)進(jìn)行估計(jì)時(shí),隨機(jī)森林是一個(gè)十分有效的方法，當(dāng)存在分類不平衡的情況時(shí),隨機(jī)森林能夠提供平衡數(shù)據(jù)集誤差的有效方法。38.（）負(fù)責(zé)MapReduce任務(wù)調(diào)度。A、NameNodeB、JobtrackerC、TaskTrackerD、SecondaryNameNode【正確答案】：B解析：

Jobtracker負(fù)責(zé)MapReduce任務(wù)調(diào)度，TaskTracker負(fù)責(zé)任務(wù)執(zhí)行。39.下列屬于卷積網(wǎng)絡(luò)類型分類的是（）。A、普通卷積B、擴(kuò)張卷積C、轉(zhuǎn)置卷積D、以上答案都正確【正確答案】：D解析：

卷積神經(jīng)網(wǎng)絡(luò)四種卷積類型為普通卷積、擴(kuò)張卷積、轉(zhuǎn)置卷積、可分離卷積。40.連續(xù)不斷地爬取網(wǎng)頁信息，較容易被網(wǎng)站識(shí)別，想要實(shí)現(xiàn)間隔15s來爬取網(wǎng)頁需要使用以下哪一項(xiàng)的指令是（）。A、timestop（5）B、timesleep（15）C、timestrptime（15）D、timesleep（5）【正確答案】：B解析：

連續(xù)不斷地爬取網(wǎng)頁信息，較容易被網(wǎng)站識(shí)別，想要實(shí)現(xiàn)間隔15s來爬取網(wǎng)頁需要使用timesleep（15）。41.將Python中的.py文件轉(zhuǎn)換為.pyc文件的組件為（）。A、編輯器B、編譯器C、虛擬機(jī)D、解釋器【正確答案】：B解析：

將Python中的.py文件轉(zhuǎn)換為.pyc文件的組件為編譯器。42.（）算法是決策樹學(xué)習(xí)的基本算法，其他多數(shù)決策樹學(xué)習(xí)方法都是它的變體。A、Find-SB、KNNC、概念D、ID3【正確答案】：D解析：

--43.高通濾波后的圖像通常較暗，為改善這種情況，將高通濾波器的轉(zhuǎn)移函數(shù)加上一常數(shù)量以便引入一些低頻分量。這樣濾波器叫（）。A、巴特沃斯高通濾波器B、高頻提升濾波器C、高頻加強(qiáng)濾波器D、理想高通濾波器【正確答案】：B解析：

高頻增強(qiáng)濾波器由于相對削弱了低頻成分,因而濾波所得的圖像往往偏暗。44.下列選項(xiàng)中，用于關(guān)閉文件的方法是（）。A、read）B、tell）C、seek）D、close）【正確答案】：D解析：

read）為讀取操作；tell）函數(shù)用于判斷文件指針當(dāng)前所處的位置操作；seek）為用于將文件指針移動(dòng)至指定位置操作；close）為關(guān)閉文件操作。45.以下分割方法中不屬于區(qū)域算法的是（）。A、分裂合并B、閾值分割C、區(qū)域生長D、邊緣檢測【正確答案】：D解析：

邊緣檢測算法是標(biāo)識(shí)數(shù)字圖像中亮度變化明顯的點(diǎn)，不屬于區(qū)域算法發(fā)范疇。46.關(guān)于__new__和__init__的區(qū)別，下列說法不正確的是（）。A、__new__是一個(gè)實(shí)例方法，而__init__是一個(gè)靜態(tài)方法B、__new__方法會(huì)返回一個(gè)創(chuàng)建的實(shí)例，而__init__什么都不返回C、只有在__new__返回一個(gè)cls的實(shí)例時(shí)，后面的__init__才能被調(diào)用D、當(dāng)創(chuàng)建一個(gè)新實(shí)例時(shí)調(diào)用__new__，初始化一個(gè)實(shí)例時(shí)用__init__【正確答案】：A解析：

__init__是一個(gè)實(shí)例方法，而__new__是一個(gè)靜態(tài)方法。47.關(guān)于文件的打開方式，以下選項(xiàng)中描述正確的是（）。A、文件只能選擇二進(jìn)制或文本方式打開B、文本文件只能以文本方式打開C、所有文件都可能以文本方式打開D、所有文件都可能以二進(jìn)制方式打開【正確答案】：D解析：

計(jì)算機(jī)內(nèi)保存數(shù)據(jù)是以二進(jìn)制保存的，因此都能用二進(jìn)制方式打開讀取。48.（）負(fù)責(zé)HDFS數(shù)據(jù)存儲(chǔ)。A、NameNodeB、JobTrackerC、DataNodeD、SecondaryNameNode【正確答案】：C解析：

DataNode負(fù)責(zé)HDFS的數(shù)據(jù)塊存儲(chǔ)。49.為了提高系統(tǒng)性能，Spark采取“惰性計(jì)算模式”，具體為（）。A、執(zhí)行Transformation操作時(shí)不會(huì)提交，只有執(zhí)行Action操作時(shí)才會(huì)被提交到集群中開始被執(zhí)行B、執(zhí)行Action操作時(shí)不會(huì)提交，只有執(zhí)行Transformation操作時(shí)才會(huì)被提交到集群中開始被執(zhí)行C、只有執(zhí)行完Action操作和Transformation操作時(shí)，所有操作才會(huì)被提交到集群中開始被執(zhí)行D、執(zhí)行完Action操作或Transformation操作時(shí)都不會(huì)提交到集群【正確答案】：A解析：

Spark“惰性計(jì)算模式”定義。50.當(dāng)在卷積神經(jīng)網(wǎng)絡(luò)中加入池化層（poolinglayer）時(shí)，變換的不變性會(huì)被保留。該說法（）正確。A、不知道B、看情況C、是D、否【正確答案】：C解析：

使用池化時(shí)會(huì)導(dǎo)致出現(xiàn)不變性。51.PageRank是一個(gè)函數(shù),它對Web中的每個(gè)網(wǎng)頁賦予一個(gè)實(shí)數(shù)值。它的意圖在于網(wǎng)頁的PageRank越高,那么它就（）。A、相關(guān)性越高B、越不重要C、相關(guān)性越低D、越重要【正確答案】：D解析：

PageRank認(rèn)為，如果A頁面有一個(gè)鏈接指向B頁面，那就可以看作是A頁面對B頁面的一種信任或推薦。所以，如果一個(gè)頁面的反向鏈接越多，根據(jù)這些鏈接的價(jià)值加權(quán)越高，那搜索引擎就會(huì)判斷這樣的頁面更為重要。52.關(guān)于數(shù)據(jù)創(chuàng)新，下列說法正確的是（）。A、個(gè)數(shù)據(jù)集的總和價(jià)值等于單個(gè)數(shù)據(jù)集價(jià)值相加B、于數(shù)據(jù)的再利用，數(shù)據(jù)應(yīng)該永久保存下去C、同數(shù)據(jù)多次用于相同或類似用途，其有效性會(huì)降低D、數(shù)據(jù)開放價(jià)值可以得到真正釋放【正確答案】：D解析：

略。53.如果規(guī)則集R中不存在兩條規(guī)則被同一條記錄觸發(fā)，則稱規(guī)則集R中的規(guī)則為（）。A、無序規(guī)則B、窮舉規(guī)則C、互斥規(guī)則D、有序規(guī)則【正確答案】：C解析：

--54.（）操作屬于預(yù)剪枝。A、信息增益B、計(jì)算最好的特征切分點(diǎn)C、限制樹模型的深度D、可視化樹模型【正確答案】：C解析：

預(yù)剪枝是指在決策樹生成過程中，對每個(gè)結(jié)點(diǎn)在劃分前先進(jìn)行估計(jì)，若當(dāng)前結(jié)點(diǎn)的劃分不能帶來決策樹泛化性能提升，則停止劃分并將當(dāng)前結(jié)點(diǎn)標(biāo)記為葉結(jié)點(diǎn)。限制樹模型的深度屬于預(yù)剪枝。55.數(shù)據(jù)安全不只是技術(shù)問題，還涉及（）。A、人員問題B、管理問題C、行政問題D、領(lǐng)導(dǎo)問題【正確答案】：B解析：

數(shù)據(jù)安全不只是技術(shù)問題，還涉及管理問題。56.以下可以作為文本分類準(zhǔn)則的是（）。A、預(yù)測準(zhǔn)確率B、魯棒性C、可擴(kuò)展性D、以上答案都正確【正確答案】：D解析：

文本分類準(zhǔn)則包含預(yù)測準(zhǔn)確性，魯棒性和可擴(kuò)展性。57.在linux下預(yù)裝了Python2，、Python3且默認(rèn)Python版本為Python3，下列描述可以正確啟動(dòng)Python有的是（）。A、在linux應(yīng)用程序Terminal，打開一個(gè)終端窗口。輸入whichPythonB、在linux應(yīng)用程序Terminal，打開一個(gè)終端窗口。輸入Python2或Python3C、在linux應(yīng)用程序Terminal，打開一個(gè)終端窗口。輸入whichPython3D、在linux應(yīng)用程序Terminal，打開一個(gè)終端窗口。輸入輸入whichPython2【正確答案】：B解析：

Windows系統(tǒng)下通過在命令行直接輸入python2或者python3啟動(dòng)Python，；Linux系統(tǒng)下通過在Terminal輸入python2或者python3啟動(dòng)Python。58.以下代碼的輸出結(jié)果為（）。A、[[1,2],[3,4],[1,2],[3,4]]B、[[1,2,3,4],[1,2,3,4]]C、[[1,2],[3,4]]D、[1,2,3,4,1,2,3,4]【正確答案】：A解析：

vstack）為數(shù)組垂直拼接。59.訓(xùn)練完SVM模型后,不是支持向量的那些樣本我們可以丟掉,也可以繼續(xù)分類。該說法（）。A、正確B、錯(cuò)誤C、-D、-【正確答案】：A解析：

--60.文本信息往往包含客觀事實(shí)和主觀情感，對于文本的情感分析主要是識(shí)別文章中的主觀類詞語，其中（）不適用于情感分析。A、表達(dá)觀點(diǎn)的關(guān)鍵詞B、表達(dá)程度的關(guān)鍵詞C、表達(dá)情緒的關(guān)鍵詞D、表達(dá)客觀事實(shí)的關(guān)鍵詞【正確答案】：D解析：

D中表達(dá)客觀事實(shí)的關(guān)鍵詞是對事物的客觀性描述，不帶有感情色彩和情感傾向，即為客觀性文本，不適用于情感分析。而主觀性文本則是作者對各種事物的看法或想法，帶有作者的喜好厭惡等情感傾向，如ABC中表觀點(diǎn)、程度和情緒的關(guān)鍵詞都是帶有情感傾向的主觀性文本，適用于情感分析。61.（）先對數(shù)據(jù)集進(jìn)行特征選擇，然后再訓(xùn)練學(xué)習(xí)器。A、過濾式選擇B、包裹式選擇C、稀疏表示D、嵌入式選擇【正確答案】：A解析：

--62.sklearn庫中對數(shù)據(jù)進(jìn)行預(yù)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【正確答案】：B解析：

sklearn.preprocessing模塊包括縮放，、居中，、歸一化，、二值化和插補(bǔ)方法，主要是對數(shù)據(jù)進(jìn)行預(yù)處理和規(guī)范化。63.在pandas中，哪一個(gè)函數(shù)（）可以統(tǒng)計(jì)Series每個(gè)唯一值出現(xiàn)的次數(shù)（）。A、nunique）B、unique）C、sort_values）D、value_counts）【正確答案】：D解析：

value_counts）可以統(tǒng)計(jì)每個(gè)唯一值出現(xiàn)的次數(shù)，unique）可以查看有哪些唯一值，nunique）可以統(tǒng)計(jì)唯一值的數(shù)量，sort_values）是按值進(jìn)行排序。64.（）不可以直接來對文本分類。A、K-meansB、決策樹C、支持向量機(jī)D、KNN【正確答案】：A解析：

K-means是聚類方法，屬于無監(jiān)督學(xué)習(xí)。BCD都是常見的分類方法。65.下列關(guān)于聚類挖掘技術(shù)的說法中,錯(cuò)誤的是（）。A、不預(yù)先設(shè)定數(shù)據(jù)歸類類目,完全根據(jù)數(shù)據(jù)本身性質(zhì)將數(shù)據(jù)聚合成不同類別B、要求同類數(shù)據(jù)的內(nèi)容相似度盡可能小C、要求不同類數(shù)據(jù)的內(nèi)容相似度盡可能小D、與分類挖掘技術(shù)相似的是,都是要對數(shù)據(jù)進(jìn)行分類處理【正確答案】：B解析：

聚類挖掘技術(shù)中要求不同類數(shù)據(jù)的內(nèi)容相似度盡可能小。66.在線性回歸問題中，我們用R方來衡量擬合的好壞。在線性回歸模型中增加特征值并再訓(xùn)練同一模型。下列說法正確的是（）。A、如果R方上升，則該變量是顯著的B、如果R方下降，則該變量不顯著C、單單R方不能反映變量重要性，不能就此得出正確結(jié)論D、以上答案都不正確【正確答案】：C解析：

單單R方不能表示變量顯著性，因?yàn)槊看渭尤胍粋€(gè)特征值，R方都會(huì)上升或維持不變。但在調(diào)整R方的情況下這也有誤（如果特征值顯著的話，調(diào)整R方會(huì)上升）。67.大數(shù)據(jù)參考架構(gòu)的水平軸和垂直軸分別為（）。A、信息（活動(dòng)）價(jià)值鏈和信息技術(shù)價(jià)值鏈B、信息技術(shù)價(jià)值鏈和信息（活動(dòng)）價(jià)值鏈C、信息交互價(jià)值鏈和信息技術(shù)價(jià)值鏈D、信息（活動(dòng)）價(jià)值鏈和信息交互價(jià)值鏈【正確答案】：A解析：

大數(shù)據(jù)參考架構(gòu)圍繞代表大數(shù)據(jù)價(jià)值鏈的信息價(jià)值鏈（水平軸）和信息技術(shù)價(jià)值鏈（垂直軸）兩個(gè)維度組織展開68.egrate模塊的主要作用是（）。A、里面有各種特殊的數(shù)學(xué)函數(shù)，可以直接調(diào)用，如貝塞爾函數(shù)B、可以求多重積分，高斯積分，解常微分方程C、包括樣條插值，卷積，差分等濾波函數(shù)D、提供各種線性代數(shù)中的常規(guī)操作【正確答案】：B解析：

egrate模塊是積分模塊，可以求多重積分，、高斯積分，解常微分方程等。69.下列（）不屬于Statsmodels模塊的主要特點(diǎn)的是（）。A、線性模型B、方差分析C、時(shí)間序列D、插值運(yùn)算【正確答案】：D解析：

插值運(yùn)算不是統(tǒng)計(jì)分析的主要內(nèi)容。70.數(shù)據(jù)可視化的基本類型是（）。A、科學(xué)可視化、信息可視化、可視分析學(xué)B、物理可視化、數(shù)字可視化、化學(xué)可視化C、科學(xué)可視化、數(shù)字可視化、可視分析學(xué)D、科學(xué)可視化、信息可視化、文本可視化【正確答案】：A解析：

大數(shù)據(jù)可視化可以說是傳統(tǒng)數(shù)據(jù)可視化的一個(gè)繼承和延伸，它是指將大規(guī)模海量數(shù)據(jù)集中的數(shù)據(jù)以圖形圖像形式表示，并利用數(shù)據(jù)分析和開發(fā)工具發(fā)現(xiàn)其中未知信息的處理過程。大數(shù)據(jù)可視化是大數(shù)據(jù)整個(gè)過程的最后環(huán)節(jié)，也是非常重要的一個(gè)環(huán)節(jié)。71.關(guān)于bagging下列說法錯(cuò)誤的是（）。A、各基分類器之間有較強(qiáng)依賴，不可以進(jìn)行并行訓(xùn)練B、最著名的算法之一是基于決策樹基分類器的隨機(jī)森林C、當(dāng)訓(xùn)練樣本數(shù)量較少時(shí)，子集之間可能有重疊D、為了讓基分類器之間互相獨(dú)立，需要將訓(xùn)練集分為若干子集【正確答案】：A解析：

Bagging方法在訓(xùn)練過程中，各基分類器之間無強(qiáng)依賴，可以進(jìn)行并行訓(xùn)練，隨機(jī)森林就是一種典型的例子。72.線性模型中的權(quán)重w值可以看做各個(gè)屬性x的（）。A、正則化系數(shù)B、對最終決策結(jié)果的貢獻(xiàn)度C、高維映射D、取值【正確答案】：B解析：

--73.a=[[1.，2.，1.],[1.，2.，1.]]，a+3的值為（）。A、[[1，2，1],[4，5，4]]B、[[4，5，4],[4，5，4]]C、[[4，5，4],[1，2，1]]D、以上答案都不正確【正確答案】：D解析：

列表不能和數(shù)字相加，因此會(huì)報(bào)錯(cuò)。74.Matplotlib的核心是面向（）。A、過程B、對象C、結(jié)果D、服務(wù)【正確答案】：B解析：

Matplotlib的核心是面向?qū)ο蟮摹Ｈ绻枰嗫刂坪妥远x圖，我們建議直接使用對象。75.IDLE環(huán)境的退出命令是（）。A、exit）B、回車鍵C、close）D、esc）【正確答案】：A解析：

IDLE使用exit）退出環(huán)境。76.卷積神經(jīng)網(wǎng)絡(luò)能通過卷積以及池化等操作將不同種類的鳥歸為一類。關(guān)于卷積神經(jīng)網(wǎng)絡(luò)能達(dá)到該效果的原因，下列說法不正確的是（）。A、同樣模式的內(nèi)容（如鳥嘴）在圖像不同位置可能出現(xiàn)B、池化之后的圖像主體內(nèi)容基本不變C、不同種類鳥的相同部位（如鳥嘴）形狀相似D、池化作用能使不同種類鳥變得相似【正確答案】：D解析：

特征維數(shù)的減少并不會(huì)讓之前的特征丟失。77.考慮值集{12243324556826}，其四分位數(shù)極差是：（）。A、21B、24C、55D、3【正確答案】：A解析：

四分位差，也稱為內(nèi)距或四分間距，它是上四分位數(shù)（QU，即位于75%）與下四分位數(shù)（QL，即位于25%）的差。計(jì)算公式為：QD=QU-QL。將數(shù)據(jù)從小到大排序，可得到QU=33,QL=12，因此QD=QU-QL=2178.K折交叉驗(yàn)證器是以下哪個(gè)（）方法（）。A、model_selection.GroupKFold）B、model_selection.GroupShuffleSplit）C、model_selection.KFold）D、model_selection.RepeatedKFold）【正確答案】：C解析：

model_selection.KFold）實(shí)現(xiàn)了K折交叉驗(yàn)證功能。79.RNN不同于其他神經(jīng)網(wǎng)絡(luò)的地方在于（）。A、實(shí)現(xiàn)了記憶功能B、速度快C、精度高D、易于搭建【正確答案】：A解析：

--80.Python中statsmodels庫適用于（）場景。A、統(tǒng)計(jì)分析B、機(jī)器學(xué)習(xí)C、圖像處理D、數(shù)據(jù)建模【正確答案】：A解析：

Statsmodelsstatsmodels用于統(tǒng)計(jì)分析。81.在比較模型的擬合效果時(shí)，甲、乙、丙三個(gè)模型的相關(guān)指數(shù)R2的值分別約為0.71、0.85、0.90，則擬合效果較好的模型是（）。A、甲B、乙C、丙D、效果一樣【正確答案】：C解析：

R2的取值為0~1，越靠近1，擬合效果越好。82.所有預(yù)測模型在廣義上都可稱為一個(gè)或一組（）。A、公式B、邏輯C、命題D、規(guī)則【正確答案】：D解析：

--83.給定一個(gè)長度為n的不完整單詞序列，我們希望預(yù)測下一個(gè)字母是什么。比如輸入是predictio（9個(gè)字母組成），希望預(yù)測第十個(gè)字母是什么。（）適用于解決這個(gè)工作。A、循環(huán)神經(jīng)網(wǎng)絡(luò)B、全連接神經(jīng)網(wǎng)絡(luò)C、受限波爾茲曼機(jī)D、卷積神經(jīng)網(wǎng)絡(luò)【正確答案】：A解析：

循環(huán)神經(jīng)網(wǎng)絡(luò)具有記憶性、參數(shù)共享并且圖靈完備，因此在對序列的非線性特征進(jìn)行學(xué)習(xí)時(shí)具有一定優(yōu)勢。循環(huán)神經(jīng)網(wǎng)絡(luò)在自然語言處理（NaturalLanguageProcessing，NLP），例如語音識(shí)別、語言建模、機(jī)器翻譯等領(lǐng)域有應(yīng)用，也被用于各類時(shí)間序列預(yù)報(bào)。84.機(jī)器學(xué)習(xí)算法在學(xué)習(xí)過程中對某種類型假設(shè)的偏好稱為（）。A、訓(xùn)練偏好B、歸納偏好C、分析偏好D、假設(shè)偏好【正確答案】：B解析：

--85.數(shù)據(jù)產(chǎn)品開發(fā)工作之中需要特別注意的基本活動(dòng)不包括（）。A、創(chuàng)造性設(shè)計(jì)B、數(shù)據(jù)洞見C、虛擬化D、個(gè)性化描述【正確答案】：D解析：

數(shù)據(jù)產(chǎn)品開發(fā)工作之中需要注意有創(chuàng)造性設(shè)計(jì)、數(shù)據(jù)洞見、虛擬化等基本活動(dòng)。86.多分類LDA將樣本投影到N-1維空間，N-1通常遠(yuǎn)小于數(shù)據(jù)原有的屬性數(shù)，可通過這個(gè)投影來減小樣本點(diǎn)的維數(shù),且投影過程中使用了類別信息,因此LDA也常被視為一種經(jīng)典的（）技術(shù)。A、無監(jiān)督特征選擇B、無監(jiān)督降維C、監(jiān)督特征選擇D、監(jiān)督降維【正確答案】：D解析：

--87.以下可以作為文本分類準(zhǔn)則的是（）。A、預(yù)測準(zhǔn)確率B、魯棒性C、可擴(kuò)展性D、以上答案都正確【正確答案】：D解析：

文本分類準(zhǔn)則包含預(yù)測準(zhǔn)確性，魯棒性和可擴(kuò)展性。88.檢測一元正態(tài)分布中的離群點(diǎn),屬于異常檢測中的基于（）的離群點(diǎn)檢測。A、統(tǒng)計(jì)方法B、鄰近度C、密度D、機(jī)器學(xué)習(xí)技術(shù)【正確答案】：A解析：

略。89.在深度學(xué)習(xí)中，我們經(jīng)常會(huì)遇到收斂到localminimum,下面不屬于解決localminimum問題的方法是（）。A、隨機(jī)梯度下降B、設(shè)置MomentumC、設(shè)置不同初始值D、增大batchsize【正確答案】：D解析：

增大batchsize無法解決localminimum問題。90.os.path模塊的下列方法，（）可以用來判斷指定路徑是否存在。A、exists）B、exist）C、getsize）D、isfile）【正確答案】：A解析：

判斷指定路徑是否存在使用exists）函數(shù)。91.下列有關(guān)函數(shù)的說法中，正確的是（）。A、函數(shù)的定義必須在程序的開頭B、函數(shù)定義后，其中的程序就可以自動(dòng)執(zhí)行C、函數(shù)定義后需要調(diào)用才會(huì)執(zhí)行D、函數(shù)體與關(guān)鍵字關(guān)鍵字關(guān)鍵字def必須左對齊【正確答案】：C解析：

函數(shù)的定義只要出現(xiàn)在調(diào)用之前即可；函數(shù)定義后需調(diào)用才可以執(zhí)行；函數(shù)定義時(shí)主體語句應(yīng)縮進(jìn)4個(gè)空格。92.下列關(guān)于文本分類的說法不正確的是（）。A、文本分類是指按照預(yù)先定義的主題類別，由計(jì)算機(jī)自動(dòng)地為文檔集合中的每個(gè)文檔確定一個(gè)類別B、文本分類系統(tǒng)大致可分為基于知識(shí)工程的分類系統(tǒng)和基于機(jī)器學(xué)習(xí)的分類系統(tǒng)C、文本的向量形式一般基于詞袋模型構(gòu)建，該模型考慮了文本詞語的行文順序D、構(gòu)建文本的向量形式可以歸結(jié)為文本的特征選擇與特征權(quán)重計(jì)算兩個(gè)步驟【正確答案】：C解析：

詞袋模型沒有考慮文本詞語的原本行文順序。93.在神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中，感知機(jī)輸出層中的M-P神經(jīng)元通常被稱為（）。A、閾值邏輯單元B、激活函數(shù)C、擠壓函數(shù)D、連接函數(shù)【正確答案】：A解析：

--94.Python語句print（0xA+0xB）的輸出結(jié)果是（）。A、0xA+0xBB、A+BC、0xA0xBD、21【正確答案】：D解析：

0x是16進(jìn)制運(yùn)算，0xA+0xB換為十進(jìn)制為10+11=21。95.任一隨機(jī)事件出現(xiàn)的概率為（）。A、在–1與1之間B、小于0C、不小于1D、在0與1之間【正確答案】：D解析：

如果沒有其他的附加條件的話,一般概率P的取值范圍是0≤P≤1。0代表不可能發(fā)生,1代表一定會(huì)發(fā)生。96.np.linalg.svd）函數(shù)可以實(shí)現(xiàn)（）功能。A、計(jì)算協(xié)方差矩陣B、實(shí)現(xiàn)奇異值分解C、計(jì)算方差D、計(jì)算均值；【正確答案】：B解析：

svd實(shí)現(xiàn)奇異值分解。97.一位母親記錄了兒子3～9歲的身高，由此建立的身高與年齡的回歸直線方程為y=7.19x+73.93，據(jù)此可以預(yù)測這個(gè)孩子10歲時(shí)的身高，則正確的敘述是（）。A、身高一定是145.83cmB、身高一定超過146.00cmC、身高一定高于145.00cmD、身高在145.83cm左右【正確答案】：D解析：

回歸直線方程預(yù)測時(shí)，出現(xiàn)的誤差方向不能確定。98.線性回歸的基本假設(shè)不包括（）。A、隨機(jī)誤差項(xiàng)是一個(gè)期望值為0的隨機(jī)變量B、對于解釋變量的所有觀測值，隨機(jī)誤差項(xiàng)有相同的方差C、隨機(jī)誤差項(xiàng)彼此相關(guān)D、解釋變量是確定性變量不是隨機(jī)變量，與隨機(jī)誤差項(xiàng)之間相互獨(dú)立【正確答案】：C解析：

線性回歸的基本假設(shè)：（1）線性關(guān)系假設(shè)。（2）正態(tài)性假設(shè)，指回歸分析中的Y服從正態(tài)分布。（3）獨(dú)立性假設(shè)，包含兩個(gè)意思：①與某一個(gè)X對應(yīng)的一組Y和與另一個(gè)X對應(yīng)的一組Y之間沒有關(guān)系，彼此獨(dú)立；②誤差項(xiàng)獨(dú)立，不同的X所產(chǎn)生的誤差之間應(yīng)相互獨(dú)立，無自相關(guān)。（4）誤差等分散性假設(shè)：特定X水平的誤差，除了應(yīng)呈隨機(jī)化的常態(tài)分配，其變異量也應(yīng)相等，稱為誤差等分散性。99.scipy庫中用于物理和數(shù)學(xué)常量計(jì)算的模塊是（）。A、scipy.clusterB、scipy.ioC、scipy.constantsD、scipy.linalg【正確答案】：C解析：

scipy中，constants是常量計(jì)算模塊。100.Python中定義私有屬性的方法是（）。A、使用private關(guān)鍵字B、使用public關(guān)鍵字C、使用__XX__定義屬性名D、使用__XX定義屬性名【正確答案】：D解析：

使用__XX定義屬性名是定義私有屬性的方法。1.對于不同場景內(nèi)容，一般數(shù)字圖像可以分為（）。A、二值圖像B、灰度圖像C、彩色圖像D、深度圖像【正確答案】：ABC解析：

深度圖像中深度通道為描述距離，一般對其進(jìn)行采樣或數(shù)值離散化。2.CNN相比于全連接的DNN，具有的優(yōu)勢是（）。A、參數(shù)更少B、泛化更好C、訓(xùn)練更快D、更容易搭建【正確答案】：ABC解析：

DNN直接對數(shù)據(jù)做加權(quán)線性連接，而CNN則是移動(dòng)卷積核，并對圖像中的各區(qū)域做卷積操作。因此，DNN更容易搭建，D錯(cuò)誤。3.直方圖修正法包括（）。A、直方圖統(tǒng)計(jì)B、直方圖均衡C、直方圖過濾D、直方圖規(guī)定化【正確答案】：BD解析：

直方圖統(tǒng)計(jì)是對圖像特征值的統(tǒng)計(jì)；直方圖過濾屬于圖像處理技術(shù)。4.訓(xùn)練CNN時(shí)，GPU顯存溢出，此時(shí)可以采取的辦法有（）。A、減少mini_batch大小B、移除一些卷積層C、減少圖片輸入大小D、增加激活函數(shù)【正確答案】：ABC解析：

增加激活函數(shù)反而會(huì)加重負(fù)擔(dān)，D選項(xiàng)錯(cuò)誤。5.任何函數(shù)都可以修改，所以盡量少用全局變量，主要原因包括（）。A、不夠安全B、一直占用內(nèi)存C、容易失效D、一直占用字符【正確答案】：AB解析：

全局變量安全性差、相關(guān)內(nèi)存一直無法釋放。6.Numpy數(shù)組中將一個(gè)數(shù)組分割成多個(gè)小數(shù)組數(shù)組的分割函數(shù)包括（）。A、hsplitBB、vsplitCC、splitDD、dsplit【正確答案】：ABCD解析：

以上都是分割函數(shù)，分別為水平分割，、數(shù)值分割，、通用分割，、深度分割。7.下列對字符串函數(shù)或方法說法正確的有（）。A、istitle）如果字符串是標(biāo)題化的（見title）則返回True，否則返回FalseB、max（str）返回字符串str中最大的字母。C、replace（old,new,max）把將字符串中的str1替換成str2,如果max指定，則替換不超過max次D、upper）轉(zhuǎn)換字符串中所有大寫字符為小寫【正確答案】：ABC解析：

upper）轉(zhuǎn)換字符串中所有小寫字符為大寫。8.ApacheFlume主要解決的是日志數(shù)據(jù)的收集和處理問題，F(xiàn)lume的主要設(shè)計(jì)目的和特征是（）。A、高可靠性B、可擴(kuò)展性C、管理復(fù)雜D、不支持用戶自定義【正確答案】：AB解析：

Flume的主要設(shè)計(jì)目的和特征包括高可靠性、可擴(kuò)展性、支持方便管理、支持用戶自定義。9.下面關(guān)于隨機(jī)變量及其概率分布的說法，正確的是（）。A、隨機(jī)變量可以分為離散型隨機(jī)變量和連續(xù)型隨機(jī)變量B、隨機(jī)變量的概率分布指的是一個(gè)隨機(jī)變量所有取值的可能性C、扔5次硬幣，正面朝上次數(shù)的可能取值是0、1、2、3、4、5，其中正面朝上次數(shù)為0與正面朝上次數(shù)為5的概率是一樣的D、扔5次硬幣，正面朝上次數(shù)的可能取值是0、1、2、3、4、5，其中正面朝上次數(shù)為5的概率是最大的【正確答案】：ABC解析：

扔5次硬幣，正面朝上次數(shù)的可能取值是0、1、2、3、4、5，其中正面朝上次數(shù)為5的概率不是最大的。10.常用分詞方法包含（）。A、基于Binarytree的分詞方法B、基于HMM的分詞方法C、基于CRF的分詞方法D、基于K-means的分詞方法【正確答案】：BC解析：

K-means一般用于聚類，Binarytree（二叉樹）也不用于分詞。11.下列關(guān)于數(shù)據(jù)科學(xué)中常用的統(tǒng)計(jì)學(xué)知識(shí)說法錯(cuò)誤的是（）。A、從行為目的與思維方式看，數(shù)據(jù)統(tǒng)計(jì)方法可以分為基本分析方法和元分析方法B、從方法論角度看，基于統(tǒng)計(jì)的數(shù)據(jù)分析方法又可分為描述統(tǒng)計(jì)和推斷統(tǒng)計(jì)C、描述統(tǒng)計(jì)可分為集中趨勢分析、離中趨勢分析、參數(shù)估計(jì)和假設(shè)檢驗(yàn)D、推斷統(tǒng)計(jì)包括采樣分布和相關(guān)分析【正確答案】：ABCD解析：

從行為目的與思維方式看，數(shù)據(jù)統(tǒng)計(jì)方法包括描述統(tǒng)計(jì)、假設(shè)檢驗(yàn)、相關(guān)分析、方差分析、回歸分析、聚類分析等；從方法論角度看，描述統(tǒng)計(jì)可分為集中趨勢分析和離散趨勢分析；推斷統(tǒng)計(jì)包括總體參數(shù)估計(jì)和假設(shè)檢驗(yàn)兩方面內(nèi)容。12.可能導(dǎo)致交叉檢驗(yàn)?zāi)Ｐ驮u估較差可能是由于（）的原因?qū)е碌挠校ǎ、模型過擬合B、模型欠擬合C、模型過度復(fù)雜D、模型過度簡單【正確答案】：ABCD解析：

以上問題都可能導(dǎo)致模型評估效果較差。13.關(guān)于Hive的說法正確的是（）。A、Hive是基于Hadoop的數(shù)據(jù)倉庫工具B、Hive可以將結(jié)構(gòu)化的數(shù)據(jù)文件映射為一張數(shù)據(jù)庫表C、最初，Hive由Google開源，用于解決海量結(jié)構(gòu)化日志數(shù)據(jù)統(tǒng)計(jì)問題D、Hive的主要應(yīng)用場景是離線分析【正確答案】：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(shù)是GFS、BigTable、MapReduce。14.Spark容錯(cuò)性的方式有哪些（）。A、數(shù)據(jù)檢查點(diǎn)B、存儲(chǔ)原始數(shù)據(jù)C、記錄數(shù)據(jù)的更新D、自建數(shù)據(jù)版本【正確答案】：AC解析：

Spark容錯(cuò)性有數(shù)據(jù)檢查點(diǎn)和記錄數(shù)據(jù)的更新兩種方式。15.卷積神經(jīng)網(wǎng)絡(luò)為了保證圖像對位移、縮放、扭曲的魯棒性，可采取的措施有（）。A、局部感受野B、共享權(quán)值C、池采樣D、正則化【正確答案】：ABC解析：

正則化是為了減少泛化誤差。16.對以下代碼說法正確的是（）。A、該圖表是一個(gè)藍(lán)綠色的散點(diǎn)圖B、圖表中有紅色實(shí)線的網(wǎng)格線C、圖表中有圖例D、該圖畫的是sin曲線【正確答案】：CD解析：

該圖畫的是點(diǎn)虛線形式的折線圖，紅色點(diǎn)線網(wǎng)格，帶有圖例。17.下面關(guān)于單樣本Z檢驗(yàn)的說法，正確的是（）。A、在Python中，單樣本Z檢驗(yàn)可以使用scipy.stats.ttest_1samp（）實(shí)現(xiàn)B、單樣本Z檢驗(yàn)適用于樣本量較大的情況C、單樣本Z檢驗(yàn)假設(shè)要檢驗(yàn)的統(tǒng)計(jì)量（近似）滿足正態(tài)分布D、單樣本Z檢驗(yàn)常用于檢驗(yàn)總體平均值是否等于某個(gè)常量【正確答案】：BCD解析：

在Python中，單樣本Z檢驗(yàn)可以使用statsmodels.stats.weightstats.ztest實(shí)現(xiàn)。18.關(guān)于分析學(xué)習(xí)和歸納學(xué)習(xí)的比較，說法正確的是（）。A、歸納學(xué)習(xí)擬合數(shù)據(jù)假設(shè)，分析學(xué)習(xí)擬合領(lǐng)域理論的假設(shè)B、歸納學(xué)習(xí)論證方式為統(tǒng)計(jì)推理，分析學(xué)習(xí)為演繹推理C、歸納學(xué)習(xí)不需要先驗(yàn)知識(shí)D、訓(xùn)練數(shù)據(jù)不足時(shí)歸納學(xué)習(xí)可能會(huì)失敗【正確答案】：ABCD解析：

分析學(xué)習(xí)是相對于歸納學(xué)習(xí)的一種提法，其特點(diǎn)是使用先驗(yàn)知識(shí)來分析或解釋每個(gè)訓(xùn)練樣本，以推理出樣本的哪些特征與目標(biāo)函數(shù)相關(guān)或不相關(guān)。因此，這些解釋能使機(jī)器學(xué)習(xí)系統(tǒng)比單獨(dú)依靠數(shù)據(jù)進(jìn)行泛化有更高的精度。分析學(xué)習(xí)使用先驗(yàn)知識(shí)來減小待搜索假設(shè)空間的復(fù)雜度，減小了樣本復(fù)雜度并提高了機(jī)器學(xué)習(xí)系統(tǒng)的泛化精度。可見，分析學(xué)習(xí)與歸納學(xué)習(xí)的優(yōu)缺點(diǎn)在一定程度上具有互補(bǔ)性，分析學(xué)習(xí)方法的優(yōu)點(diǎn)在于可用先驗(yàn)知識(shí)從較少的數(shù)據(jù)中更精確地泛化以引導(dǎo)學(xué)習(xí)。但是，當(dāng)先驗(yàn)知識(shí)不正確或不足時(shí)，分析學(xué)習(xí)的缺點(diǎn)也會(huì)被突顯；歸納學(xué)習(xí)具有的優(yōu)點(diǎn)是不需要顯式的先驗(yàn)知識(shí)，并且主要基于訓(xùn)練數(shù)據(jù)學(xué)習(xí)到規(guī)律。然而，若訓(xùn)練數(shù)據(jù)不足時(shí)它能會(huì)失敗，并且會(huì)被其中隱式的歸納偏置所誤導(dǎo)，而歸納偏置是從觀察數(shù)據(jù)中泛化所必需的過程。因此，我們可以考慮如何將二者結(jié)合成一個(gè)單獨(dú)的算法，以獲得它們各自的優(yōu)點(diǎn)。19.RNN網(wǎng)絡(luò)的激活函數(shù)要選用雙曲正切而不是Sigmod的原因有（）。A、使用Sigmod函數(shù)容易出現(xiàn)梯度消失B、Sigmod的導(dǎo)數(shù)形式較為復(fù)雜C、雙曲正切更簡單D、Sigmoid函數(shù)實(shí)現(xiàn)較為復(fù)雜【正確答案】：AB解析：

第一，采用Sigmoid等函數(shù)，反向傳播求誤差梯度時(shí)，求導(dǎo)計(jì)算量很大，而ReLU求導(dǎo)非常容易。第二，對于深層網(wǎng)絡(luò)，Sigmoid函數(shù)反向傳播時(shí)，很容易就會(huì)出現(xiàn)梯度消失的情況（在Sigmoid接近飽和區(qū)時(shí)，變換太緩慢，導(dǎo)數(shù)趨于0），從而無法完成深層網(wǎng)絡(luò)的訓(xùn)練。20.DGI定義的數(shù)據(jù)治理任務(wù)包括（）。A、數(shù)據(jù)質(zhì)量的評估B、主動(dòng)定義或序化規(guī)則C、為數(shù)據(jù)利益相關(guān)者提供持續(xù)跨職能的保護(hù)與服務(wù)D、應(yīng)對并解決因不遵守規(guī)則而產(chǎn)生的問題【正確答案】：BCD解析：

DGI（TheDataGovermanceInstitute）認(rèn)為數(shù)據(jù)治理是對數(shù)據(jù)相關(guān)的決策及數(shù)據(jù)使用權(quán)限控制的活動(dòng)。它是一個(gè)信息處理過程中根據(jù)模型來執(zhí)行的決策權(quán)和承擔(dān)責(zé)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。21.決策樹遞歸停止的條件為（）。A、訓(xùn)練數(shù)據(jù)集使用完B、所有的類標(biāo)簽完全相同C、特征用完D、遇到丟失值【正確答案】：BC解析：

決策樹的生成是一個(gè)遞歸過程。在決策樹基本算法中，有三種情形會(huì)導(dǎo)致遞歸返回：①結(jié)點(diǎn)包含的樣本全屬于同一類別，無須劃分；②當(dāng)前屬性集為空，或是所有樣本在所有屬性上取值相同，無法劃分；③當(dāng)前結(jié)點(diǎn)包含的樣本集合為空，不能劃分。22.在MapReduce1.0版本中，JobTracker功能是（）。A、資源管理B、作業(yè)控制C、作業(yè)存儲(chǔ)D、作業(yè)審核【正確答案】：AB解析：

在MapReduce1.0中，JobTracker同時(shí)兼?zhèn)淞速Y源管理和作業(yè)控制兩個(gè)功能。23.下列哪些是傳統(tǒng)RDBMS的缺點(diǎn)（）。A、表結(jié)構(gòu)schema擴(kuò)展不方便B、全文搜索功能較弱C、大數(shù)據(jù)場景下I/O較高D、存儲(chǔ)和處理復(fù)雜關(guān)系型數(shù)據(jù)功能較弱【正確答案】：ABCD解析：

傳統(tǒng)RDBMS的缺點(diǎn)包括表結(jié)構(gòu)schema擴(kuò)展不方便、全文搜索功能較弱、大數(shù)據(jù)場景下I/O較高、存儲(chǔ)和處理復(fù)雜關(guān)系型數(shù)據(jù)功能較弱。24.下列屬于字符串匹配的分詞方法的是（）。A、正向最大匹配法（由左到右的方向）B、逆向最大匹配法（由右到左的方向）C、最少切分（使每一句中切出的詞數(shù)最?。〥、雙向最大匹配法（進(jìn)行由左到右、由右到左兩次掃描）【正確答案】：ABCD解析：

正向最大匹配、逆向最大匹配、最少切分、雙向最大匹配都屬于字符串匹配的常用方法。25.SparkRDD的依賴機(jī)制包括（）。A、寬依賴B、深度依賴C、廣度依賴D、窄依賴【正確答案】：AD解析：

RDD之間的依賴關(guān)系可以分為窄依賴和寬依賴兩種。26.以下（）函數(shù)是累積函數(shù)。A、cumsumB、argminC、cumprodD、argmax【正確答案】：AC解析：

cumsum、cumprod分別為累加和累乘函數(shù)。27.常用的數(shù)據(jù)審計(jì)方法可以分為（）。A、預(yù)定義審計(jì)B、自定義審計(jì)C、可視化審計(jì)D、結(jié)構(gòu)化審計(jì)【正確答案】：ABC解析：

常用的數(shù)據(jù)審計(jì)方法有預(yù)定義審計(jì)、自定義審計(jì)和可視化審計(jì)三種。28.特征選擇在子集生成與搜索方面引入了人工智能搜索技術(shù)和子集評價(jià)方法。其中人工智能搜索技術(shù)有（）。A、分支界限法B、浮動(dòng)搜索法C、信息熵D、AIC【正確答案】：ABCD解析：

特征選擇在子集生成與搜索方面引入了很多人工智能搜索技術(shù)，如分支界限法、浮動(dòng)搜索法等；在子集評價(jià)方法則采用了很多源于信息論的準(zhǔn)則，如信息熵、AIC等。29.關(guān)于相關(guān)與線性關(guān)系，下列說法正確的是（）A、相關(guān)不一定是線性關(guān)系，可能是非線性關(guān)系B、相關(guān)一定是線性關(guān)系，不可能是非線性關(guān)系C、相關(guān)時(shí)若有相關(guān)系數(shù)r為0，說明兩個(gè)變量之間不存在線性關(guān)系，仍可能存在非線性關(guān)系D、相關(guān)系數(shù)為0是兩個(gè)變量獨(dú)立的必要不充分條件【正確答案】：ACD解析：

相關(guān)不一定是線性關(guān)系，可能是非線性關(guān)系。30.大數(shù)據(jù)的資產(chǎn)屬性體現(xiàn)在（）。A、具有勞動(dòng)增值B、涉及法律權(quán)屬C、具有財(cái)務(wù)價(jià)值D、涉及道德與倫理【正確答案】：ABCD解析：

大數(shù)據(jù)的資產(chǎn)屬性體現(xiàn)在具有勞動(dòng)增值、涉及法律權(quán)屬、具有財(cái)務(wù)價(jià)值、涉及道德與倫理。31.在正則化公式中，λ為正則化參數(shù)，關(guān)于λ的描述正確的是（）。A、若正則化參數(shù)λ過大，可能會(huì)導(dǎo)致出現(xiàn)欠擬合現(xiàn)象B、若λ的值太大，則梯度下降可能不收斂C、取一個(gè)合理的λ值，可以更好地應(yīng)用正則化D、如果令λ的值很大的話，為了使CostFunction盡可能的小，所有θ的值（不包括θ0）都會(huì)在一定程度上減小【正確答案】：ABCD解析：

正則化參數(shù)太小容易產(chǎn)生過擬合，太大容易產(chǎn)生欠擬合。32.如將A、B、C三個(gè)分類器的PR曲線畫在一個(gè)圖中，其中A、B的PR曲線可以完全包含住C的PR曲線，A與B的PR曲線有交點(diǎn)，A、B、C的平衡點(diǎn)分別為0.79、0.66、0.58，以下說法中正確的是（）。A、學(xué)習(xí)器A的性能優(yōu)于學(xué)習(xí)器CB、學(xué)習(xí)器A的性能優(yōu)于學(xué)習(xí)器BC、學(xué)習(xí)器B的性能優(yōu)于學(xué)習(xí)器CD、學(xué)習(xí)器C的性能優(yōu)于學(xué)習(xí)器B【正確答案】：ABC解析：

若一個(gè)學(xué)習(xí)器的PR曲線被另一個(gè)學(xué)習(xí)器的曲線完全包住，則可斷言后者的性能優(yōu)于前者，如果兩個(gè)學(xué)習(xí)器的PR曲線發(fā)生了交叉，則可用平衡點(diǎn)度量。33.下面屬于可視化高維數(shù)據(jù)技術(shù)的是（）。A、矩陣B、.平行坐標(biāo)系C、星形坐標(biāo)系D、散布圖【正確答案】：ABC解析：

矩陣、平行坐標(biāo)系和星形坐標(biāo)系都屬于可視化高維數(shù)據(jù)的常用技術(shù)，而散布圖又叫相關(guān)圖，只能處理二維數(shù)據(jù)。34.當(dāng)我們構(gòu)造線性模型時(shí)，我們注意變量間的相關(guān)性。在相關(guān)矩陣中搜索相關(guān)系數(shù)時(shí)，如果我們發(fā)現(xiàn)3對變量的相關(guān)系數(shù)是（Var1和Var2，Var2和Var3，Var3和Var1），相關(guān)系數(shù)分別是-0.98、0.45、1.23。我們可以得出的結(jié)論是（）。A、Var1和Var2是非常相關(guān)的B、因?yàn)閂a1r和Var2是非常相關(guān)的，可以去除其中一個(gè)C、Var3和Var1的1.23相關(guān)系數(shù)是不可能的D、-【正確答案】：ABC解析：

Var1和Var2之間的相關(guān)性非常高，并且是負(fù)的，可視為多重共線性的情況，可以去掉一個(gè)。一般來說，如果相關(guān)大于0.7或小于-0.7，則認(rèn)為特征之間有很高的相關(guān)性。相關(guān)系數(shù)范圍為[-1，1]，C選項(xiàng)中1.23明顯有誤。35.算法“歧視”現(xiàn)象可能出現(xiàn)在（）。A、算法設(shè)計(jì)B、算法實(shí)現(xiàn)C、算法投入使用D、算法驗(yàn)證【正確答案】：ABC解析：

算法歧視是指算法設(shè)計(jì)、實(shí)現(xiàn)和投入使用過程中出現(xiàn)的各種“歧視”現(xiàn)象。36.以下屬于數(shù)據(jù)挖掘與分析工具的有（）。A、TableauB、PythonC、SPSSD、Alteyx【正確答案】：ABCD解析：

常用的數(shù)據(jù)挖掘工具有RapidMiner、IBMSPSSModeler、OracleDataMining、Teradata、Python。常用的數(shù)據(jù)分析工具有Tableau、Alteyx、R＆Python語言、FineReport、PowerBI。37.Spark的技術(shù)架構(gòu)可以分為哪幾層（）。A、資源管理層B、Spark核心層C、應(yīng)用層D、服務(wù)層【正確答案】：ABD解析：

Spark的技術(shù)架構(gòu)可以分為資源管理層、Spark核心層和服務(wù)層三層。38.下列關(guān)于詞袋模型說法正確的是（）。A、詞袋模型可以忽略每個(gè)詞出現(xiàn)的順序B、詞袋模型不可以忽略每個(gè)詞出現(xiàn)的順序C、TensorFlow支持詞袋模型D、詞袋模型可以表出單詞之間的前后關(guān)系【正確答案】：AC解析：

詞袋模型的缺點(diǎn)之一就是不考慮詞語的順序關(guān)系，因此BD錯(cuò)誤。39.（）是Hadoop運(yùn)行的模式。A、單機(jī)版B、偽分布式C、分布式D、全分布式【正確答案】：ABC解析：

Hadoop運(yùn)行模式包括單機(jī)版、偽分布式和分布式。40.一個(gè)監(jiān)督觀測值集合會(huì)被劃分為（）。A、訓(xùn)練集B、驗(yàn)證集C、測試集D、預(yù)處理集【正確答案】：ABC解析：

一個(gè)監(jiān)督觀測值集合會(huì)被劃分為訓(xùn)練集、測試集、預(yù)測集。其中測試集來測試學(xué)習(xí)器對新樣本的判別能力，然后以測試集上的測試誤差（testingerror）作為泛化誤差的近似。41.（）是Hadoop運(yùn)行的模式。A、單機(jī)版B、偽分布式C、分布式D、全分布式【正確答案】：ABC解析：

Hadoop運(yùn)行模式包括單機(jī)版、偽分布式和分布式。42.決策樹遞歸停止的條件為（）。A、訓(xùn)練數(shù)據(jù)集使用完B、所有的類標(biāo)簽完全相同C、特征用完D、遇到丟失值【正確答案】：BC解析：

決策樹的生成是一個(gè)遞歸過程。在決策樹基本算法中，有三種情形會(huì)導(dǎo)致遞歸返回：①結(jié)點(diǎn)包含的樣本全屬于同一類別，無須劃分；②當(dāng)前屬性集為空，或是所有樣本在所有屬性上取值相同，無法劃分；③當(dāng)前結(jié)點(diǎn)包含的樣本集合為空，不能劃分。43.下面是Python的特點(diǎn)和優(yōu)點(diǎn)是（）。A、解釋性強(qiáng)B、使用動(dòng)態(tài)特性C、面向?qū)ο驞、語法簡潔【正確答案】：ABCD解析：

Python的特點(diǎn)和優(yōu)點(diǎn)是基于面向?qū)ο笤O(shè)計(jì)，、代碼解釋性強(qiáng)，、使用動(dòng)態(tài)特性、語法簡潔。44.下列關(guān)于集合操作結(jié)果正確的有（）。A、name={‘d’,‘s’}nameadd（‘sd’），name值為：{‘sd’,‘d’,‘s’}B、name={‘sd’,d’,‘s’}nameremove（‘s’），name值為：{‘sd’,‘d’}C、name={‘sd’,d’,‘s’}nameclear），name值為：{}D、name={‘sd’,d’,‘s’}nameupdate（‘df’），name值為：{‘sd’,’d’,‘f’,’s’,’j’}【正確答案】：ABC解析：

D結(jié)果應(yīng)為{'d','f','s','sd'}。45.下列不屬于聚類性能度量內(nèi)部指標(biāo)的是（）。A、DB指數(shù)B、Dunn指數(shù)C、Jaccard系數(shù)D、FM系數(shù)【正確答案】：CD解析：

聚類常用的外部指標(biāo)包括Jaccard系數(shù)、FM系數(shù)、Rand指數(shù)；聚類常用的內(nèi)部指標(biāo)包括DB指數(shù)、Dunn指數(shù)。46.以下關(guān)于數(shù)據(jù)維度的描述，正確的是（）。A、采用列表表示一維數(shù)據(jù)，不同數(shù)據(jù)類型的元素是可以的B、JSON格式可以表示比二維數(shù)據(jù)還復(fù)雜的高維數(shù)據(jù)C、二維數(shù)據(jù)可以看成是一維數(shù)據(jù)的組合形式D、字典不可以表示二維以上的高維數(shù)據(jù)【正確答案】：ABC解析：

字典可以表示二維以上的高維數(shù)據(jù)。47.RNN在NLP領(lǐng)域的應(yīng)用包括（）。A、語言模型與文本生成B、機(jī)器翻譯C、語音識(shí)別D、圖像描述生成【正確答案】：ABCD解析：

RNN在NLP領(lǐng)域的應(yīng)用包括語言模型與文本生成、機(jī)器翻譯、語音識(shí)別、圖像描述生成、情感分析、對話系統(tǒng)等。48.Apriori算法的計(jì)算復(fù)雜度受（）影響。A、支持度閾值B、項(xiàng)數(shù)（維度）C、事務(wù)數(shù)D、事務(wù)平均寬度【正確答案】：ABCD解析：

--49.下列可以用來構(gòu)造神經(jīng)網(wǎng)絡(luò)的算法有（）。A、kNNB、線性回歸C、邏輯回歸D、-【正確答案】：BC解析：

kNN是一種基于實(shí)例的學(xué)習(xí)算法，不具有任何訓(xùn)練參數(shù)。因此不能用來構(gòu)造神經(jīng)網(wǎng)絡(luò)，線性回歸和邏輯回歸都可以用來構(gòu)造神經(jīng)網(wǎng)絡(luò)模型，其實(shí)二者就是單神經(jīng)元的神經(jīng)網(wǎng)絡(luò)。50.使用極大似然估計(jì)的前提條件有（）。A、數(shù)據(jù)服從某種已知的特定數(shù)據(jù)分布型B、已經(jīng)得到了一部分?jǐn)?shù)據(jù)集C、提前已知某先驗(yàn)概率D、數(shù)據(jù)集各個(gè)屬性相對獨(dú)立【正確答案】：AB解析：

極大似然估計(jì)要求樣本獨(dú)立同分布，否則無法用概率密度函數(shù)乘積的形式。假設(shè)的分布與真實(shí)的分布要一致，否則會(huì)南轅北轍。如果對總體分布一無所知是無法使用MLE的。51.特征向量的缺失值處理：缺失值較多，直接將該特征舍棄掉，否則可能反倒會(huì)帶入較大的noise，對結(jié)果造成不良影響；缺失值較少,其余的特征缺失值都在10%以內(nèi)，我們可以采取的處理方式有（）。A、把NaN直接作為一個(gè)特征，假設(shè)用0表示B、用均值填充C、用隨機(jī)森林等算法預(yù)測填充D、以上答案都不正確【正確答案】：ABC解析：

缺失值較少的處理方法：①把NAN直接作為一個(gè)特征，假設(shè)用0表示；②用均值填充；③用隨機(jī)森林等算法預(yù)測填充；④用插值法填充。52.假設(shè)目標(biāo)遍歷的類別非常不平衡，即主要類別占據(jù)了訓(xùn)練數(shù)據(jù)的99%，現(xiàn)在你的模型在訓(xùn)練集上表現(xiàn)為99%的準(zhǔn)確度，那么下面說法正確的是（）。A、準(zhǔn)確度并不適合衡量不平衡類別問題B、準(zhǔn)確度適合衡量不平衡類別問題C、精確度和召回率適合于衡量不平衡類別問題D、精確度和召回率不適合衡量不平衡類別問題【正確答案】：AC解析：

精確度和召回率適合于衡量不平衡類別問題，準(zhǔn)確度并不適合衡量不平衡類別問題。53.在網(wǎng)絡(luò)爬蟲的爬行策略中,應(yīng)用最為常見的是（）。A、深度優(yōu)先遍歷策略B、廣度優(yōu)先遍歷策略C、高度優(yōu)先遍歷策略D、反向鏈接策略【正確答案】：AB解析：

在網(wǎng)絡(luò)爬蟲的爬行策略中,應(yīng)用最為常見的是深度優(yōu)先遍歷策略、廣度優(yōu)先遍歷策略。54.神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)可以分為（）和隨機(jī)型網(wǎng)絡(luò)等。A、前向型B、后向型C、反饋型D、自組織競爭型【正確答案】：ACD解析：

--55.許多功能更為強(qiáng)大的非線性模型可在線性模型基礎(chǔ)上通過引入（）而得。A、層級結(jié)構(gòu)B、高維映射C、降維D、分類【正確答案】：AB解析：

--56.可視化高維展示技術(shù)在展示數(shù)據(jù)之間的關(guān)系以及數(shù)據(jù)分析結(jié)果方面（）。A、能夠直觀反映成對數(shù)據(jù)之間的空間關(guān)系B、能夠直觀反映多維數(shù)據(jù)之間的空間關(guān)系C、能夠靜態(tài)演化事物的變化及變化的規(guī)律D、能夠動(dòng)態(tài)演化事物的變化及變化的規(guī)律【正確答案】：BD解析：

可視化高維展示技術(shù)在展示數(shù)據(jù)之間的關(guān)系以及數(shù)據(jù)分析結(jié)果方面能夠直觀反映多維數(shù)據(jù)之間的空間關(guān)系，以及能夠動(dòng)態(tài)演化事物的變化及變化的規(guī)律。57.關(guān)于Python組合數(shù)據(jù)類型，以下選項(xiàng)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(jù)類型能夠?qū)⒍鄠€(gè)同類型或不同類型的數(shù)據(jù)組織起來，通過單一的表示使數(shù)據(jù)操作更有序更容易C、組合數(shù)據(jù)類型可以分為3類：序列類型、集合類型和映射類型3類D、序列類型是二維元素向量，元素之間存在先后關(guān)系，通過序號訪問【正確答案】：ABC解析：

序列類型是一維元素向量。58.以下屬于關(guān)鍵詞提取算法的有（）。A、TF-IDF算法B、TextRank算法C、LSA（潛在語義分析）D、LDA【正確答案】：ABCD解析：

關(guān)鍵詞提取算法包括TF-IDF算法、TextRank算法、LSA（潛在語義分析）orLSI（潛在語義索引）、LDA等。59.非頻繁模式（）。A、其支持度小于閾值B、都是不讓人感興趣的C、包含負(fù)模式和負(fù)相關(guān)模式D、對異常數(shù)據(jù)項(xiàng)敏感【正確答案】：AD解析：

非頻繁模式是一個(gè)項(xiàng)集或規(guī)則，其支持度小于閾值。絕大部分的頻繁模式不是令人感興趣的，但其中有些分析是有用的，特別是涉及數(shù)據(jù)中的負(fù)相關(guān)時(shí)。它對異常數(shù)據(jù)項(xiàng)敏感。60.數(shù)據(jù)挖掘的主要功能包括概念描述、趨勢分析、孤立點(diǎn)分析及（）等方面。A、關(guān)聯(lián)分析B、分類和預(yù)測C、聚類分析D、偏差分析【正確答案】：ABCD解析：

--61.可視分析學(xué)的幾個(gè)特點(diǎn)包含（）。A、強(qiáng)調(diào)數(shù)據(jù)到知識(shí)的轉(zhuǎn)換過程B、強(qiáng)調(diào)可視化分析與自動(dòng)化建模之間的相互作用C、強(qiáng)調(diào)數(shù)據(jù)映射和數(shù)據(jù)挖掘的重要性D、強(qiáng)調(diào)數(shù)據(jù)加工（DataWrangling或DataMunging）工作的必要性E、⑤強(qiáng)調(diào)人機(jī)交互的重要性?！菊_答案】：ABCDE解析：

從可視分析學(xué)模型可以看出，可視分析學(xué)的流程具有如下特點(diǎn)：①強(qiáng)調(diào)數(shù)據(jù)到知識(shí)的轉(zhuǎn)換過程。可視化分析學(xué)中對數(shù)據(jù)可視化工作的理解發(fā)生了根本性變化——數(shù)據(jù)可視化的本質(zhì)是將數(shù)據(jù)轉(zhuǎn)換為知識(shí)，而不能僅僅停留在數(shù)據(jù)的可視化呈現(xiàn)層次之上。從數(shù)據(jù)到知識(shí)的轉(zhuǎn)換途徑有可視化分析和自動(dòng)化建模兩種。②強(qiáng)調(diào)可視化分析與自動(dòng)化建模之間的相互作用。二者的相互作用主要體現(xiàn)在：一方面，可視化技術(shù)可用于數(shù)據(jù)建模中的參數(shù)改進(jìn)的依據(jù)；另一方面，數(shù)據(jù)建模也可以支持?jǐn)?shù)據(jù)可視化活動(dòng)，為更好地實(shí)現(xiàn)用戶交互提供參考。③強(qiáng)調(diào)數(shù)據(jù)映射和數(shù)據(jù)挖掘的重要性。從數(shù)據(jù)到知識(shí)轉(zhuǎn)換的兩種途徑——可視化分析與自動(dòng)化建模分別通過數(shù)據(jù)映射和數(shù)據(jù)挖掘兩種不同方法實(shí)現(xiàn)。因此，數(shù)據(jù)映射和數(shù)據(jù)挖掘技術(shù)是數(shù)據(jù)可視化的兩個(gè)重要支撐技術(shù)。用戶可以通過兩種方法的配合使用實(shí)現(xiàn)模型參數(shù)調(diào)整和可視化映射方式的改變，盡早發(fā)現(xiàn)中間步驟中的錯(cuò)誤，進(jìn)而提升可視化操作的信度與效度。④強(qiáng)調(diào)數(shù)據(jù)加工工作的必要性。數(shù)據(jù)可視化處理之前一般需要對數(shù)據(jù)進(jìn)行預(yù)處理（轉(zhuǎn)換）工作，且預(yù)處理活動(dòng)的質(zhì)量將影響數(shù)據(jù)可視化效果。⑤強(qiáng)調(diào)人機(jī)交互的重要性?？梢暬^程往往涉及人機(jī)交互操作，需要重視人與計(jì)算機(jī)在數(shù)據(jù)可視化工作中的互補(bǔ)性優(yōu)勢。因此，人機(jī)交互以及人機(jī)協(xié)同工作也將成為未來數(shù)據(jù)可視化研究與實(shí)踐的重要手段。62.在建立模型時(shí)，需要用到（）。A、訓(xùn)練數(shù)據(jù)B、測試數(shù)據(jù)C、原始數(shù)據(jù)D、驗(yàn)證數(shù)據(jù)【正確答案】：ABD解析：

在機(jī)器學(xué)習(xí)中，通常將數(shù)據(jù)分為訓(xùn)練集、測試集和驗(yàn)證集。63.數(shù)據(jù)科學(xué)基本原則中，三世界原則指的是（）A、精神世界B、數(shù)據(jù)世界C、物理世界D、數(shù)字世界【正確答案】：ABC解析：

大數(shù)據(jù)時(shí)代的到來，在我們的“精神世界”和“物理世界”之間出現(xiàn)了一種新的世界——“數(shù)據(jù)世界”。因此，在數(shù)據(jù)科學(xué)中，通常需要研究如何運(yùn)用“數(shù)據(jù)世界”中已存在的“痕跡數(shù)據(jù)”的方式解決“物理世界”中的具體問題，而不是直接到“物理世界”，采用問卷和訪談等方法親自收集“采訪數(shù)據(jù)”。相對于“采訪數(shù)據(jù)”，“痕跡數(shù)據(jù)”更具有客觀性。圖靈獎(jiǎng)獲得者JimGray提出的科學(xué)研究第四范式——數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)（Data-intensiveScientificDiscovery）是“三世界原則”的代表性理論之一。64.下列哪些是RDBMS中事務(wù)遵循的原則（）。A、原子性（Atomicity）B、一致性（Connsistency）C、隔離性（Isolation）D、持久性（Durability）【正確答案】：ABCD解析：

關(guān)系數(shù)據(jù)庫中的事務(wù)需要具備一定的規(guī)則——ACID特征。ACID是指數(shù)據(jù)庫事務(wù)正確執(zhí)行的4個(gè)基本要素的縮寫：原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation）、持久性（Durability）。65.影響聚類算法效果的主要原因有（）。A、特征選取B、模式相似性測度C、分類準(zhǔn)則D、已知類別的樣本質(zhì)量【正確答案】：ABC解析：

聚類算法是無監(jiān)督的學(xué)習(xí)算法，訓(xùn)練樣本的標(biāo)記信息是未知的。66.列式數(shù)據(jù)庫（如BigTable和HBase）以表的形式存儲(chǔ)數(shù)據(jù)，表結(jié)構(gòu)包括（）等元素。A、關(guān)鍵字B、時(shí)間戳C、列簇D、數(shù)據(jù)類型【正確答案】：ABC解析：

BigTable和HBase的索引由行關(guān)鍵字、列簇和時(shí)間戳組成。67.Hadoop中map輸出結(jié)果說法正確的是（）。A、＜key，value>鍵值對B、輸出中間臨時(shí)結(jié)果C、輸出最終計(jì)算結(jié)果D、輸出結(jié)果永久保留【正確答案】：AB解析：

map輸出結(jié)果并非是最終結(jié)果且只暫時(shí)保留。68.以下（）屬于數(shù)據(jù)統(tǒng)計(jì)分析工具。A、WekaB、SASC、SPSSD、Matlab【正確答案】：ABCD解析：

常用統(tǒng)計(jì)軟件的種類包含Weka、SAS、SPSS、Excel、S-plus、Minitab、Matlab、Statistica、Eviews。69.關(guān)于Python分隔代碼塊，描述錯(cuò)誤的是（）。A、內(nèi)嵌代碼的每一行，都比外面的if語句的縮進(jìn)更多B、代碼以“begin”開頭，“end”結(jié)尾C、每行代碼的縮進(jìn)都一致D、代碼塊被封裝在花括號中【正確答案】：BCD解析：

python代碼沒有開頭與結(jié)尾標(biāo)識(shí)；不同級別的語句縮進(jìn)不同；python代碼用縮進(jìn)區(qū)分代碼塊，不用{}。70.關(guān)于Dropout說法，正確的是（）。A、Dropout背后的思想其實(shí)就是把DNN當(dāng)作一個(gè)集成模型來訓(xùn)練，之后取所有值的平均值，而不只是訓(xùn)練單個(gè)DNNB、DNN網(wǎng)絡(luò)將Dropout率設(shè)置為p，也就是說，一個(gè)神經(jīng)元被保留的概率是1-p。當(dāng)一個(gè)神經(jīng)元被丟棄時(shí)，無論輸入或者相關(guān)的參數(shù)是什么，它的輸出值就會(huì)被設(shè)置為0C、丟棄的神經(jīng)元在訓(xùn)練階段，對BP算法的前向和后向階段都沒有貢獻(xiàn)。由于這個(gè)原因，每一次訓(xùn)練它都像是在訓(xùn)練一個(gè)新的網(wǎng)絡(luò)Dropout方法通常和L2正則化或者其他參數(shù)約束技術(shù)（比如MaxNorm）一起使用，來防止神經(jīng)網(wǎng)絡(luò)的過擬合【正確答案】：ABCD解析：

dropout是指在深度學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練過程中，對于神經(jīng)網(wǎng)絡(luò)單元，按照一定的概率將其暫時(shí)從網(wǎng)絡(luò)中丟棄。注意是暫時(shí)，對于隨機(jī)梯度下降來說，由于是隨機(jī)丟棄，故而每一個(gè)mini-batch都在訓(xùn)練不同的網(wǎng)絡(luò)。防止過擬合的方法：提前終止（當(dāng)驗(yàn)證集上的效果變差的時(shí)候）;L1和L2正則化加權(quán)；softweightsharingdropout。dropout率的選擇：經(jīng)過交叉驗(yàn)證，隱含節(jié)點(diǎn)dropout率等于0.5的時(shí)候效果最好，原因是0.5的時(shí)候dropout隨機(jī)生成的網(wǎng)絡(luò)結(jié)構(gòu)最多。dropout也可以被用作一種添加噪聲的方法，直接對input進(jìn)行操作。輸入層設(shè)為更接近1的數(shù)。使得輸入變化不會(huì)太大（0.8）。71.字符串的格式化可以使用（）。A、%B、formatC、inputD、+【正確答案】：AB解析：

input是輸入，+是加法運(yùn)算符。72.Spark中的Scheduler模塊可以分為（）。A、DAGSchedulerB、ResourceSchedulerC、TaskSchedulerD、JobScheduler【正確答案】：AC解析：

Scheduler模塊分為DAGScheduler和TaskScheduler兩個(gè)部分。73.Python變量命名規(guī)則包含（）。A、變量名只能包含字母、數(shù)字和下劃線。變量名可以字母或下劃線開頭，但不能以數(shù)字開頭，。例如，可將變量命名為message_1，但不能將其命名為1_message。B、變量名不能包含空格，但可使用下劃線來分隔其中的單詞。例如，變量名greeting_message可行，但變量名greetingmessage會(huì)引發(fā)錯(cuò)誤。C、不要將Python關(guān)鍵字和函數(shù)名用作變量名，即不要使用Python保留用于特殊用途的單詞，如print。D、變量名應(yīng)既簡短又具有描述性。例如，name比n好，student_name比s_n好，name_length比length_of_persons_name好?！菊_答案】：ABCD解析：

Python變量名只能包含字母、數(shù)字和下劃線，但不能以數(shù)字開頭，避免使用關(guān)鍵字，變量名應(yīng)既簡短又具有描述性。74.在正則化公式中，λ為正則化參數(shù)，關(guān)于λ的描述正確的是（）。A、若正則化參數(shù)λ過大，可能會(huì)導(dǎo)致出現(xiàn)欠擬合現(xiàn)象B、若λ的值太大，則梯度下降可能不收斂C、取一個(gè)合理的λ值，可以更好地應(yīng)用正則化D、如果令λ的值很大的話，為了使CostFunction盡可能的小，所有θ的值（不包括θ0）都會(huì)在一定程度上減小【正確答案】：ABCD解析：

正則化參數(shù)太小容易產(chǎn)生過擬合，太大容易產(chǎn)生欠擬合。75.在Spark中，彈性分布式數(shù)據(jù)集的特點(diǎn)包括（）。A、可分區(qū)B、可序列化C、可直接修改D、可持久化【正確答案】：ABD解析：

RDD不可修改。76.TF-IDF的缺點(diǎn)包含（）。A、字詞的重要性隨它在文件中出現(xiàn)的次數(shù)成正比B、將一些生僻字誤當(dāng)作文檔關(guān)鍵詞C、只考慮特征詞和文本之間的關(guān)系，忽略了一個(gè)特征項(xiàng)在不同類別間的分布情況D、沒有考慮特征詞的位置因素對文本的區(qū)分度【正確答案】：BCD解析：

低頻詞匯的重要性和出現(xiàn)次數(shù)成正比。77.處理圖像平滑處理的濾波有（）。A、盒式濾波B、均值濾波C、高斯濾波D、中值濾波【正確答案】：ABCD解析：

--78.基于Hadoop開源大數(shù)據(jù)平臺(tái)主要提供了針對數(shù)據(jù)分布式計(jì)算和存儲(chǔ)能力，如下屬于分布式存儲(chǔ)組件的有（）。A、MapReduceB、SparkC、HDFSD、HBase【正確答案】：CD解析：

MapReduce和Spark的核心功能是分布式計(jì)算。79.下列可以用來評估線性回歸模型的指標(biāo)有（）。A、R-SquaredB、AdjustedR-SquaredC、FStatisticsD、RMSE/MSE/MAE【正確答案】：ABCD解析：

R-Squa