大数据开发基础(习题卷29)

试卷科目：大数据开发基础大数据开发基础(习题卷29)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages大数据开发基础第1部分：单项选择题，共144题，每题只有一个正确答案,多选或少选均不得分。[单选题]1.以下哪个函数可以生成一个指定范围的随机数组？A)randint()B)rand()C)random()[单选题]2.图像识别常用softmA、x函数接在模型的输出上,其作用为:()。A)、增加不同类别之间的区分度B)、突出输出向量中类标的对应的维度C)、对输出归一化,同时以概率的更好解释输出向量D)、过滤无用的环境信息[单选题]3.现在有一亿条数据要插入HBase,使用下列哪个方式最好?A)put方法B)bulkload方法C)shell端put命令D)insert方法[单选题]4.医疗健康数据的基本情况不包括以下哪项？（）A)诊疗数据B)个人健康管理数据C)公共安全数据D)健康档案数据[单选题]5.以下聚合函数求个数的是()A)AVGB)SUMC)MAXD)COUNT[单选题]6.以下关于RDD之间的依赖关系叙述正确的是A)join会导致宽窄依赖B)map会导致宽依赖C)数据丢失时，对于宽依赖只需要重新计算丢失的那一块数据来恢复;D)窄依赖可以在某个计算节点上直接通过计算父RDD的某块数据计算得到子RDD对应的某块数据;[单选题]7.大数据的起源（）A)电信B)互联网C)金融D)公共管理[单选题]8.哪个不是ElasticSearch生态圈中的技术?A)beatsB)LoastashC)FlumeD)kiana[单选题]9.学生成绩属于下列哪类数据A)结构化数据B)非结构化数据C)半结构化数据D)准结构化数据[单选题]10.购物篮分析属于（）。A)描述性统计B)聚类分析C)关联分析D)分类与预测[单选题]11.以下关于ZooKeeper关键特性中的原子性说法正确的是?A)客户端发送的更新会按照他们被发送的顺序进行应用B)更新只能全部完成或失败,不会部分完成C)一条消息被一个server接收,将被所有server接收D)集群中无论哪台服务器,对外展示的均是同一视图[单选题]12.边界跟踪技术技术属于哪一类分割方法。（）A)阈值分割法B)边缘分割法C)区域分割法D)特征分区法[单选题]13.基于大数据的谷歌广告体现的大数据思维方式是（）A)全样而非抽样B)效率而非精确C)相关而非因果D)以数据为中心[单选题]14.下列（）选项属于Hive的数据存储模型。A)桶B)数据库C)分区D)以上全都正确[单选题]15.查看HDFS的报告命令是()A)bin/hdfsdfsadmin-reportB)bin/hdfs-reportC)bin/hdfsdeadmin-reportD)bin/hdfsdfs-report[单选题]16.通常来说,()能够用来预测连续因变量。A)线性回归B)逻辑回归C)线性回归和逻辑回归D)以上答案都不正确[单选题]17.scipy中模块constants的作用是什么？A)向量计算B)物理和数学常量C)程序输入输出D)信号处理[单选题]18.阅读下面的程序：deffunc():print(x)x=100func()执行上述语句后，输出的结果为（）。A)0B)100C)程序出现异常D)程序编译失败[单选题]19.执行以下代码段print(not(15<20)andnot(20>30))时，输出为()。A)TrueB)FalseC)NoneD)Error[单选题]20.（）牵头负责涉及公司重要数据的密级审核工作，开展商密数据保密工作指导和监督检查。A)国网安质部B)国网信通部C)网络安全和信息化领导小组D)国网办公厅[单选题]21.HBase依赖（）提供消息通信机制A)ZookeeperB)ChubbyC)RPCD)Socket[单选题]22.平均滤波对(__)的表现比较好。A)泊松噪声B)高斯噪声C)乘性噪声D)椒盐噪声[单选题]23.SQL语言是（）的语言，易学习A)过程化B)非过程化C)格式化D)导航式[单选题]24.下图为HDFS分级存储的配置,如果Block的副本数为4,则以下说法错误的是?策略ID名称Block放置位置答案:副本书备选存储策略副本的存储策略15LAZY_PERSITSTRAM_DISK:1,DISK:n-1DISKDISKA)第1个Block副本将写入RAM_DISK,其余副本写入DISKB)如果是第1个副本之外的其他副本写入失败,则尝试写入?副本的备选存储策略?指定的存储策略C)如果第1个Block副本写入RAM_DISK失败,则尝试写入?备选存储策略?的存储类型D)4个Block都将写入RAM_DISK[单选题]25.下面关于?WHEREiD、<>ANY(子查询语句)?描述正确的是()。--A)表示只有id不等于子查询语句的任意一个结果时才成立B)当?<>?替换为?<=>?时,ANY子查询的执行效果等价于IN关键字C)表示只有id不等于子查询语句的全部结果时才成立D)以上说法都不正确[单选题]26.Gateway在ElasticSearch中的含义是?A)网关B)素引的存储方式C)rpc请求接D)索引快照的存储方式[单选题]27.下面哪种不属于池化操作（）。A)连接池化B)一般池化C)重叠池化D)金字塔池化[单选题]28.在HDFS中()是文件系统的工作节点。A)DataNodeB)ClientC)NameNodeD)Flune[单选题]29.下面符合数据产品链的有(__)：1.数据，2.元数据，3.数据对象，4.辅助服务，5.集成应用，6.软件系统，7.增值服务，8.基础设施，9.硬件系统A)23657B)234C)135D)238497[单选题]30.执行以下代码段importrandomprint(random.choice('sun'))时，输出为()。A)sunB)s或u或nC)除了s、u、n的任一字符D)s[单选题]31.云计算就是把资源都放到（）A)对等网B)互联网C)广域网D)无线网[单选题]32.支撑大数据业务的基础是()A)数据科学B)数据应用C)数据硬件D)数据人才[单选题]33.正是由于BP神经网络的强大的表示能力，它经常遭遇（__），其训练误差持续降低，但测试误差却可能上升。A)欠拟合B)误差过大C)误差过小D)过拟合[单选题]34.在增量同步阶段，源数据库和目标数据库之间的同步有时会存在一个时间差，称为:（），单位为秒。A)延误B)延后C)延迟D)时延[单选题]35.输入图像为32x32,经过步长为1,不进行pA、D、D、ing,卷积核为5x5的卷积层后,得到的特征图尺寸是多少?()A)、28x28B)、27x27C)、29x29D)、32x32[单选题]36.关于fusioninsightmanager界面hive日志收集的描述中,哪个不对?A)可指定实例进行日志收集,比如指定收集metaStore的日志B)可指定节点ip进行日志收集,例如仅下载某个ip的日志C)可指定特定用户进行日志收集,例如仅下载user用户的日志D)可指定时间端进行日志收集,不如只收集2016-1-1到2016-1-10的日志[单选题]37.按粒度大小的顺序，Hive数据被分为：数据库、数据表、()、桶？A)元祖B)栏C)分区D)行[单选题]38.HDFS默认BlockSize的大小是______。A)32MBB)64MBC)128MBD)256M[单选题]39.如果想求和一个序列会使用内置函数A)minB)maxC)lenD)sum[单选题]40.以下关于分布式文件系统，描述错误的是：()A)是一种通过网络实现文件在多台主机上进行分布式存储的文件系统B)所有的分布式文件系统的设计都是采用?客户机/服务器?（Client/Server）模式C)谷歌开发了分布式文件系统GFSHadoopD)分布式文件系统（HadoopDistributedFileSystem，HDFS）是针对GFS的开源实现[单选题]41.以下推荐方法中，哪一个是基于内容的推荐：（）A)由资深的专业人士来进行物品的筛选和推荐B)基于统计信息进行推荐C)通过机器学习的方法去描述内容的特征，并基于内容的特征来发现与之相似的内容D)对多种推荐算法进行有机组合，然后给出推荐结果[单选题]42.决策树中的叶结点对应于()A)属性B)样本C)决策结果D)标签值[单选题]43.下列语句中，可以跳出循环结构的是（）。A)continueB)breakC)whileD)if[单选题]44.Hbase中数据存储的文件格式是:（）。A)HlogB)TextFileC)HfileD)SequenceFile[单选题]45.大数据的基本特征不包括（）。A)数据量大B)据类型繁多C)处理速度快D)价值密度高[单选题]46.Spark中的Storage模块存取的最小单位是A)ByteB)WordC)BlockD)Page[单选题]47.HDFS配置数据文件存储路径(dfs.datanode.data.dir)的文件是哪一个？A)hadoop-env.shB)core-site.xmlC)hdfs-site.xmlD)yarn-site.xml[单选题]48.在Spark生态系统组件的应用场景中，下列哪项说法是错误的？A)Spark应用在复杂的批量数据处理B)SparkSQL是基于历史数据的交互式查询C)SparkStreaming是基于历史数据的数据挖掘D)GraphX是图结构数据的处理[单选题]49.以下哪个数据转换器常用于空值替换,作用为?如果v1为null,则输出v2,否则输出v1?。()A)ConstantB)ChoiceC)NvlD)NumericCast[单选题]50.以下程序的输出结果是：L1=['abc',['123','456']]L2=['1','2','3']print(L1>L2)A)FalseB)TypeError:'>'notsupportedbetweeninstancesof'list'and'str'C)1D)True[单选题]51.已知x=42，ch=?a?，y=1，则表达式(x>=yandchA)0B)2C)出错D)1[单选题]52.数据整合和分组的说法，不正确的是（）A)数据连接可以用concat或merge函数B)axis=1表示轴向连接C)数据分组可以使用mean函数D)使用agg可以自定义多个聚合函数[单选题]53.与大数据密切相关的技术是()A)wifiB)蓝牙C)云计算D)博弈论[单选题]54.想要求出字符串元素个数，应使用（）A)countB)lenC)lengthD)total[单选题]55.以下对知识描述不正确的是()。A)知识分为显性知识和隐性知识B)知识是人们从数据和信息中发现的C)知识是数据/信息中存在的共性规律、认知、经验与常识D)隐性知识能够清晰的表述和有效的转移[单选题]56.Python使用（）关键字自定义一个函数。A)functionB)funcC)defD)lambda[单选题]57.下列有关Hive查询语句的写法正确的是()。A)SELECTname,addressFROMemployees;B)FROMemployees,SELECTname,address;C)FINDname,addressFROMemployees;D)FROMemployees,FINDname,address;[单选题]58.()指从?数据视角?提出问题、在?数据层次?上分析问题、?以数据为中心?解决问题,以及将?数据?当作决策制定的决定因素,提高决策制定的信度与效度。A)、模型驱动型决策支持B)、数据驱动型决策支持C)、任务驱动型决策支持D)、算法驱动型决策支持[单选题]59.对于集群计算来说，下面哪个是数据处理引擎（）A)DrillB)OozieC)SparkD)HBase[单选题]60.Hadoop是一个实现了MapReduce模式的开源的分布式并行的()。A)编程语言B)数据库C)编程范式D)存储单元[单选题]61.Numpy是由谁开发的？A)中国B)美国C)开源组织D)日本[单选题]62.数据洞见强调的是如何将数据转换为（）的过程A)增值数据B)实际行动C)智慧D)数据产品[单选题]63.下面代码实现的功能描述的是deffact(n):ifn==0:return1else:returnnfact(n-1)num=eval(input("请输入一个整数："))print(fact(abs(int(num))))A)接受用户输入的整数n，判断n是否是素数并输出结论B)接受用户输入的整数n，判断n是否是完数并输出结论C)接受用户输入的整数n，判断n是否是水仙花数D)接受用户输入的整数n，输出n的阶乘值[单选题]64.一位母亲记录了儿子3~9岁的身高,由此建立的身高与年龄的回归直线方程为y=7.19x+73.93,据此可以预测这个孩子10岁时的身高,则正确的叙述是()。A)身高一定是145.83cmB)身高一定超过146.00cmC)身高一定高于145.00cmD)身高在145.83cm左右[单选题]65.（）选择成为支持向量机的最大变数。A)核函数B)样本空间C)模型D)算法[单选题]66.下面哪个进程负责MapReduce任务调度。（）A)NameNodeB)JobtrackerC)TaskTrackerD)secondaryNameNode[单选题]67.下列哪一项不属于大数据的治理：（）A)安全问题B)成本问题C)针对大用户D)信息生命周期管理[单选题]68.pandas提供了对各种格式数据文件的读取和写入工具,其中不包括哪种?A)CSV文件B)文本文件C)工作簿文件D)EXE文件[单选题]69.下面哪个Apache系统可以向Hadoop提供流式数据（）A)OozieB)FlumeC)HiveD)Kafka[单选题]70.数据库利用（）进行死锁检测。A)DAGB)RPCC)WFGD)DLC[单选题]71.Keras主要用于哪一方面A)神经网络B)非结构化数据存储C)数据可视化D)数据管理[单选题]72.下面哪个组件为Hadoop提供数据存储能力（）A)HDFSB)MapReduceC)YarnD)Zookeeper[单选题]73.以下场景属于大数据问题的是A)某地电力能源数据B)某日某地的气温C)某地某天的某种商品销售数据D)某人身高随时间的变化[单选题]74.阅读下面程序：list_demo=[1,2,1,3]nums=set(list_demo)foriinnums:print(i,end="")执行的结果为（）A)1213B)213C)321D)123[单选题]75."数据的故事化描述"是指为了提升数据的(),将数据还原成关联至特定的情景的过程。A)可理解性、可记忆性、可体验性B)可接受性、可记忆性、可体验性C)可接受性、可记忆性、可呈现性D)可理解性、可记忆性、可呈线性[单选题]76.有下面的程序段ifk0:ifk>5:ifk>8:x=0else:x=1else:ifk>2:x=3else:x=4其中k取那组值时x=3()A)3,4,5B)3,4C)5,6,7D)4,5[单选题]77.()操作属于预剪枝A)信息增益B)计算最好的特征切分点C)巳限制树模型的深度D)可视，化树模型[单选题]78.()是一个类似Facebook的scribe的分布式，高可靠，高可用，高校的数据收集器。A)OozieB)FlumeC)SqoopD)Hue[单选题]79.(）是Google的分布式数据存储于管理系统A)GFSB)MapReduceC)ChubbyD)Bigtable[单选题]80.Python变量作为实参时，它和对应形参之间的数据传递方式是（）。A)由形参传给实参B)由实参传给形参C)由实参传给形参，再由形参传给实参D)在用户干预情况下，实参形参能相互传递[单选题]81.在MapReduce程序中，map()函数接收的数据格式是（）A)字符串B)整型C)LongD)键值对[单选题]82.若b=np.array([1,2,3,4])，则b.shape的输出结果为（__)。A)4B)[4,]C)(4,1)D)(4,)[单选题]83.下面哪个操作是窄依赖（）A)joinB)filterC)groupD)sort[单选题]84.下列代码的运行结果是（）。print('a'<'b'<'c')A)aB)bC)0D)1[单选题]85.数字图像处理研究的内容不包括A)图像数字化B)图像增强C)图像分割D)数字图像存储[单选题]86.sparksql开发的一般过程是A)创建DataFrame->sql开发->查看结果/写表B)创建DataFrame->查看结果/写表->sql开发C)sql开发->创建DataFrame->查看结果/写表D)sql开发->查看结果/写表->创建DataFrame[单选题]87.在HBase中，使用truncate命令删除表数据首先将该表状态修改为（）A)TRUEB)ableC)disableD)FALSE[单选题]88.在HBase中，查看默认空间下所有表的命令为（）A)selectnamespace_tables'default'B)select_namespace_tables'default'C)listnamespace_tables'default'D)list_namespace_tables'default'[单选题]89.对于文本行?hellohadoophelloworld?，经过WordCount的Reduce函数处理后的结果是（）。A)<"hello",<1,1>><"hadoop",1><"world",1>B)<"hello",1><"hello",1><"hadoop",1><"world",1>C)<"hello",1,1><"hadoop",1><"world",1>D)<"hello",2><"hadoop",1><"world",1>[单选题]90.企业中台是一种实现公司核心资源共享化、服务化的理念和模式，从管理视角上强调（），从技术视角上强调（）。A)服务化、企业级B)企业级、服务化C)共享化、服务化D)服务化、共享化[单选题]91.基本元数据是指()。A)基本元数据是与数据源、数据仓库、数据集市和应用程序等结构相关的信息B)基本元数据包括与企业相关的管理方面的数据和信息C)基本元数据包括日志文件和简历执行处理的时序调度信息D)基本元数据包括关于装载和更新处理、分析处理以及管理方面的信息[单选题]92.执行以下代码段alien={'color':'green','points':5}print(alien['color'])时，输出为()。A)colorB)greenC)pointsD)5[单选题]93.（）不是卷积神经网络的损失函数。A)sigmoidB)L1范数C)L2范数D)MSE[单选题]94.Hadoop工程文件使用哪个扩展名（）A)hrhB)harC)hrcD)hraf[单选题]95.BI工具中图表创建的常规步骤下述描述正确的是？()A)选择数据集-拖拽设置维度度量-选择图表-图表详细设置B)拖拽设置维度度量-选择数据集-选择图表-图表详细设置C)拖拽设置维度度量-选择图表-图表详细设置-选择数据集D)选择数据集-选择图表-拖拽设置维度度量-图表详细设置[单选题]96.执行如下代码importturtleastforiinrange(1,5):t.fd(50)t.left(90)在PythonTurtleGraphics中，绘制的是A)三角形B)正方形C)五边形D)五角星[单选题]97.以下属于数据统计分析工具的是A)NoSQLB)SQLC)SPSSD)MapReduce[单选题]98.Kafka中数据从Producer到Broker和Broker到Consumer分别是哪种传递方式?A)push,pushB)push,pullC)pullpullD)pull,push[单选题]99.若设1.启动，2.诊断，3.建立，4.行动，5.学习，则DMM模型中的顺序为(__)。A)12345B)12354C)13254D)13245[单选题]100.泛在电力物联网的总体架构，以下哪个不是外部客户（）A)能源供应商B)政府部门C)能源服务商D)生产客户[单选题]101.下列关于LSTM的说法，错误的是()A)LSTM中存在sigmoid函数B)LSτM中存在饲血函数C)LSTM又称长短时记忆网络D)RNN是LSTM的变种[单选题]102.下列选项中，属于数值类型的是（）。A)0B)1C)2+3jD)以上都是[单选题]103.下列关于支持向量回归说法,错误的是()。A)支持向量回归是将支持向量的方法应用到回归问题中B)支持向量回归同样可以应用核函数求解线性不可分的问题C)同分类算法不同的是,支持向量回归要最小化一个凹函数D)支持向量回归的解是稀疏的[单选题]104.大数据对影视行业的影响不包括下列哪项？（）A)利用大数据对海量用户数据进行分析，帮助投资方做出明智的选择B)了解用户当前关注的题材，以便觉得拍什么作品C)业内人士根据多年的市场经验分析观众认可的作品类型D)了解观众追棒的明星，邀请合适的演员[单选题]105.matplotlib中调用柱状图的函数是A)plot()B)scatter()C)bar()D)hist()[单选题]106.执行以下代码段x=5x**=2x%=2*3+1print(x)时，输出为()。A)0B)1C)4D)10[单选题]107.下列关于软支持向量机的说法正确的是（__)。A)软间隔支持向量机不可应用拉格朗日乘子法求解B)软间隔支持向量机和硬间隔支持向量机完全相同C)软间隔支持向量机只能使用Hinge损失函数D)软间隔支持向量机的目标函数仍是一个二次规划问题[单选题]108.()是用来解决海量大数据文件存储问题的，是目前应用最广泛的分布式文件系统。A)HDFSB)HBaseC)HIveD)Kafka[单选题]109.在MapReduce中，reduce()函数可以将()值相同的输入进行合并处理。A)inputB)keyC)va1ueD)number[单选题]110.以下对Python程序设计风格描述错误的选项是：A)Python中允许把多条语句写在同一行B)Python语句中，增加缩进表示语句块的开始，减少缩进表示语句块的退出C)Python可以将一条长语句分成多行显示，使用续航符?\?D)Python中不允许把多条语句写在同一行[单选题]111.在卷积神经网络计算中，已知输入特征层大小为32x32x64,使用标准卷积计算，带偏置项，卷积核大小为3*3，输出特征层数目为64，请问卷积层的参数个数为A)576B)36928C)640D)36864[单选题]112.在HDFS中，默认一个块多大？A)64MBB)32KBC)128KBD)16KB[单选题]113.下列可以作为文本分类准则的是（）。A)预测准确率B)鲁棒性C)可扩展性D)以上都对[单选题]114.()不属于特征选择的标准方法A)嵌入B)过滤C)包裹D)抽样[单选题]115.离线批处理常用的组件不包括（）。A)SparkB)HiveC)FlumeD)Storm[单选题]116.进行专家系统的开发通常采用的方法是（）。A)逐步求精B)实验法C)原型法D)递推法[单选题]117.（）属于Spark框架中的可扩展机器学习库。A)MLibB)GraphXC)StreamingD)SparkSQL[单选题]118.（）的本质是将低层次数据转换为高层次数据的过程。A)数据处理B)数据计算C)数据加工D)整齐数据[单选题]119.Hive的数据最终存储在()。A)HDFSB)HBaseC)RDBMSD)MetaStore[单选题]120.从训练数据中学习出一组能用于对未见示例进行判别的规则，这个过程称为（__)。A)机器学习B)规则学习C)直推学习D)主动学习[单选题]121.对a=(1,2,3,4,5)，下面操作正确的是（）A)a()=(1,2,3,4)B)a[1]=4C)a[0:2]D)a[5][单选题]122.数据中台在汇聚生产库的结构化数据时，最多的数据处理操作是：（）。A)统计B)删除C)新增D)修改[单选题]123.当用户选择的列是集合数据类型时，Hive会使用（）格式应用于输出A)stringB)mapC)jsonD)list[单选题]124.（__）度量了同样大小的训练集的变动所导致的学习性能的变化。A)偏差B)方差C)均方差D)泛化误差[单选题]125.下列哪些选项不是HBase为nul1的列不占用存储空间的原因?A)Region分裂B)列存储C)行存储D)Key-Value结构[单选题]126.在Zookeeper维护的树形结构中，树中的节点被称为()。A)nodeB)blockC)cellD)znode[单选题]127.以下哪些选项不属于大数据时代到来的必要条件?A)存储设备容量提升B)CPU计算性能提升C)超级计算机的出现D)网络带宽提升[单选题]128.将基础设施作为服务的云计算服务类型是()A)IaaSB)SaaSC)PaaSD)三个选项都是[单选题]129.2003年,Tableau在斯坦福大学诞生,它起源于一种改变数据使用方式的新技术（）。A)VizQL语言B)SQL语言C)XSQL语言D)NewSQL语言[单选题]130.()属于浅层学习模型A)DBNB)CNNC)SVMD)RNN[单选题]131.关于?三型两网?，以下（）说法不正确：A)中国坚强智能电网建设已经走在世界前列，泛在电力物联网的建设也走在前列。B)泛在电力物联网从概念上讲，就是围绕电力系统各环节，充分应用移动互联、人工智能等现代信息技术、先进通信技术，实现电力系统各个环节万物互联、人机交互，具有状态全面感知、信息高效处理、应用便捷灵活特征的智慧服务系统。C)泛在电力物联网包含感知层、网络层、平台层、应用层四层结构。D)坚强智能电网和泛在电力物联网，二者相辅相成、融合发展，形成强大的价值创造平台，共同构成能源流、业务流、数据流?三流合一?的能源互联网。[单选题]132.关于数据备份的做法不对的是：()A)确认备份操作步骤准确无误后进行备份操作。B)各业务部门应将计算机信息数据备份媒体视同重要空白凭证，指定专人负责备份数据媒体的签收和入库管理。C)备份数据媒体应按要求写明标识，交办公室档案管理员异地存放，要确保存放地的安全，并定期进行检查，确保数据的完整性、可用性。D)涉密信息媒体的备份媒体（磁带、磁盘、光盘、纸媒体等）应有密级及保密期限标志，统一编号，各单位保密机构负责涉密信息媒体的界定和销毁。[单选题]133.在HadoopMapReduce中，()是客户端需要执行的一个工作单元。A)InputB)jobC)ClientD)Task[单选题]134.关系型数据库最多可以创建（）个只读实例A)5B)4C)3D)2[单选题]135.因子分析把每个原始变量分解为()两部分因素。A)公共因子和特殊因子B)特殊因子和相关因子C)相关因子和独立因子D)独立因子和公共因子[单选题]136.以下删除记录正确的()A)deletefromempwherename='dony';B)Delete*fromempwherename='dony';C)Dropfromempwherename='dony';D)Drop*fromempwherename='dony';[单选题]137.执行一个job，如果这个job的输出路径已经存在，那么程序会()。A)覆盖这个输出路径B)抛出警告，但是能够继续执行C)抛出一个异常，然后退出D)创建一个新的输出路径[单选题]138.关于机器学习数据集划分说法错误的是()A)、训练集(TrA、iningSet)用于模型的训练。测试集(TestingSet)用于模型的评估。验证集(VA、liD、A、tionSet)用于算法选择和参数调整。B)、三者划分比例可以为7:1.5:1.5或9.5:0.25:0.25C)、有时算法本身需要设置超级参数,如何设置最优参数值?以上两个问题的回答将应用于验证集。D)、用于算法选择和参数调整。用于训练模型CAnCerMoDel的算法可能有多种,到底哪一个算法更优?使用测试集来验证。[单选题]139.执行以下赋值语句后，各个变量的值正确的是（）a=2a=a+1b=a+1c=a+bA)a=1,b=1,c=2B)a=1,b=2,c=3C)a=2,b=3,c=5D)a=3,b=4,c=7[单选题]140.()会周期性地通过Heartbet将本节点上资源的使用情况和任务的运行进度汇报给JobTracker。A)TaskTrackB)TaskC)ClientD)JobTracker[单选题]141.下面哪个协议用于SecondaryNamenode和Namenode之间的通信（）A)DatanodeProtocolB)NamenodeProcotolC)ClientProtocolD)ClientDatanodeProtocol[单选题]142.()分类方法可以较好地避免样本的不平衡问题A)KNNB)SVMC)BayesD)神经网络[单选题]143.如果把知识按照作用来分类，下述（）不在分类的范围内。A)用控制策略表示的知识，即控制性知识。B)可以通过文字、语言、图形、声音等形式编码记录和传播的知识，即显性知识。C)用提供有关状态变化、问题求解过程的操作、演算和行动的知识，即过程性知识。D)用提供概念和事实使人们知道是什么的知识，即陈述性。[单选题]144.下面哪个色彩空间最接近人的视觉系统的特点（）。A)RGB空间B)CMY空间C)CMYK空间D)HSI空间第2部分：多项选择题，共63题，每题至少两个正确答案,多选或少选均不得分。[多选题]145.Spark的应用场景有哪些?A)迭代计算B)数据挖掘C)流式处理D)查询分析[多选题]146.部署HBase时不需要依赖哪个资源协调组件A)YarnB)ZooKeeperC)SqoopD)HDFS[多选题]147.数据可视化是数据科学中重要的研究内容，以下说法正确的是（）A)数据可视化处理结果的解读对用户知识水平要求较高B)数据可视化可以洞察统计分析无法发现的结构与细节C)Tableau起源于一种改变数据使用方式的新技术NewSQL语言D)可视分析学是以实现人机协同完成可视化任务为主要目的分析推理性学科[多选题]148.大数据偏见包括()。A)数据源的选择偏见B)算法与模型偏见C)结果解读方法的偏见D)数据呈现方式的偏见[多选题]149.层次聚类的缺点()A)计算复杂度太高B)奇异值也能产生很大影响C)算法很可能聚类成链状D)不需要预先制定聚类数[多选题]150.HBase适用于下列哪些应用场景?A)图片数据存储B)银行交易系统C)商品数据存储D)消息中间件[多选题]151.下列选项中,占用字节数均为4的是()。--A)TINYINTB)INTC)FLOATD)DOUBLE[多选题]152.下列哪些选项属于Hadoop的缺点？A)表达能力有限B)磁盘IO开销大C)延迟高D)在前一个任务执行完成之前，其他任务就无法开始，难以胜任复杂、多阶段的计算任务[多选题]153.云服务提供的数据安全防护包括：（）A)数据安全传输B)数据存储保护C)数据冗余备份D)容灾能力[多选题]154.下列关于Spark与Hadoop的说法正确的是()。A)Hadoop和Spark都是并行计算B)Hadoop和Spark两者都是用MR模型进行计算C)Spark中提供了文件管理系统D)Spark中没有提供文件管理系统[多选题]155.列式数据库(如BigTable和HBase)以表的形式存储数据,表结构包括()等元素。A)关键字B)时间戳C)列簇D)数据类型[多选题]156.做一个二分类预测问题,先设定阈值为0.5,概率不小于0.5的样本归入正例类(即1),小于0.5的样本归入反例类(即0)。然后,用阈值n(n>0.5)重新划分样本到正例类和反例类,下面说法正确的是()。A)增加阈值不会提高召回率B)增加阈值会提高召回率C)增加阈值不会降低查准率D)增加阈值会降低查准率[多选题]157.以下属于数据挖掘与分析工具的有()。A)TableauB)PythonC)SPSSD)Alteyx[多选题]158.某大数据运维人员需要将部分数据导入Hive数据表中，以下哪些做法是可取的？A)回将数据导入到HDFS文件系统中，通过loaddata命令导入到Hive表中。B)将数据导入到FTP服务器中，通过创建外表的方式导入到Hiv表中。C)将数据导入到集群服务器上，通过loaddatalocali命令导入到Hive表中。D)将数据导入到本地电脑中，然后使用loaddatalocali命令导入到Hive表中。[多选题]159.HDFS只设置唯一一个名称节点，这样做虽然大大简化了系统设计，但也带来了哪些明显的局限性？A)命名空间的限制B)性能的瓶颈C)隔离问题D)集群的可用性[多选题]160.Python的优点有（）。A)变量不用预定义类型B)数据结构功能强大C)语言可解释性强D)变量类型固定[多选题]161.以下关于强化学习说法不正确的是（）A)强化学习任务通过马尔可夫决策过程来描述B)奖赏函数不止与状态转移有关C)策略的优劣取决于短期执行这一策略后得到的奖赏D)强化学习是具有?延迟标记信息?的监督学习问题[多选题]162.下列Python文件模式中，可写的模式是（___）。A)?r?B)?W?C)?a?D)?W+?[多选题]163.数据预处理的关键技术包括（）A)变量标准化B)变量离散化C)变量低维化D)异常值检测[多选题]164.关于大数据的内涵，以下理解对的是（）A)大数据还是一种思维方式和新的管理、治理路径；B)大数据里面蕴藏着大知识、大智慧、大价值和大；C)大数据在不同领域，又有不同的状况；D)大数据就是很大的数据；[多选题]165.x=np.linspace(0.05,10,1000)y=np.sin(x）plt.plot(x,y,ls="-.",l=2,c="c",label="plotfigure"plt.legend()plt.grid(linestyle=":",color="r")plt.show()对这段代码说法正确的是(__)。A)该图表是一个蓝绿色的散点图B)图表中有红色实线的网格线C)图表中有图例D)该图画的是sin曲线[多选题]166.数据源和APPs提供的数据内容包括(__)和物联网，金融，人/实体，位置智能等数据。A)健康B)经济C)空气D)海洋[多选题]167.下面关于L1范式正则化描述正确的是（__)。A)压缩感知问题可以通过L1范数最小化问题求解B)L1范数正则化有助于降低过拟合风险C)采用L1范数时平方误差项等值线与正则化项等值线的交点常出现在坐标轴上D)L1范数正则化比L2范数正则化更有易于获得稀疏解[多选题]168.文档类型的数据文件一般有()A)CSVB)ExcelC)WeblogD)XML[多选题]169.关于游标，下列说法正确的是()A)声明后必须打开游标以供使用B)结束游标使用时，必须闭游标C)使用游标前必须声明它D)游标只能用于存储过程和函数[多选题]170.数据战略的影响因素(__)。A)当前业务需求B)潜在风险C)数据战略范畴D)未来需求[多选题]171.Pandas的数据结构有（）A)SeriesB)DataFrameC)NumPyD)Vector[多选题]172.下列数据类型中,不属于浮点型的是()A)doubleB)textC)floatD)char[多选题]173.以下（__)函数得到的数组是有序的。A)np.in1d()B)np.setxor1()C)ersect1d()D)np.union1d()[多选题]174.Hadoop的特性主要包括：()A)高可靠性B)高可扩展性C)高容错性D)成本高[多选题]175.根据《大数据风控平台项目操作手册》，担保圈链模块，用户可在页面右侧的关联筛选选项卡中，基于（）、（）、（）3种筛选条件，对圈链客户进行筛选。A)全景风险视图B)快速定位C)层级选择D)客户筛选[多选题]176.对MRS的HBase性能描述正确的是（）。A)最大支持512节点，10P级数据B)支持存储海量小文件C)rowkey实时查询延迟可达16msD)BulkLoad增强[多选题]177.以下关于动态分区的描述正确的是:（）。A)动态分区插入时，动态分区列必须在select列表中B)在使用动态分区功能的SQL中，在分布式环境下，单个进程最多只能输出512个动态分区C)在现阶段，任意动态分区SQL不可以生成超过2000个动态分区D)动态生成的分区值可以为NULL[多选题]178.FusionInsightHDLLD配置规划工具可以生成哪些配置文件？*A)监控告警阀值配置文件B)集群的安装模板文件C)HDFS和YARN的配置文件D)执行Precheck所需要的配置文件CheckNodes.Config[多选题]179.下列可以用于实现爬虫功能的有（）。A)BeautifulSoup库B)re模块C)Scrapy框架D)urllibrequest库[多选题]180.下列属于结合策略的是（__）。A)投票法B)平均法C)学习法D)排序法[多选题]181.下列哪些情况下可以采用数据分区操作（）?A)当表中数据量比较多(千万级别以上)的时候B)需要执行大量的数据删除操作的时候C)需要执行大量的数据更新操作的时候D)需要执行大量的热点数据查询操作的时候[多选题]182.下列关于spark中的RDD描述正确的有（）A)RDD（ResilientDistributedDataset）叫做弹性分布式数据集，是spark中最基本的数据抽象B)Resilient:表示弹性的，弹性表示C)Destributed:分布式，可以并行在集群计算D)Dataset:就是一个集合，用于存放数据的[多选题]183.对AnalyticDB描述正确的是:（）。A)AnalyticDB是分析型数据库B)AnalyticDB可以用于流式计算C)AnalyticDB支持SQL查询D)AnalyticDB的基本计算单元是ecu[多选题]184.在MySQL数据库中，表之间存在下列哪些关系()。A)一对一B)一对多C)多对多D)继承[多选题]185.根据泛在电力物联网建设和发展需要，借鉴?互联网?思维，动态优化各层级（）打造柔性组织，推动前端融合A)组织机构B)职责范围C)管理措施D)管理权限[多选题]186.Pig说法正确的是()。A)弥补MapReduce编程复杂性B)封装MapReduce处理过程C)PigLatin也是一种数据分析语言D)适用于并行处理[多选题]187.在其他条件不变的前提下，以下哪些做法不容易引起机器学习中的过拟合问题（）A)增加训练集量B)减少神经网络隐藏层节点数C)删除稀疏的特征D)SVM算法中使用高斯核/RBF核代替线性核[多选题]188.K-Means缺点()A)kmeans要手工指定类数目,对初始值的设置很敏感B)k-means对噪声和离群值非常敏感C)k-means只用于数值类型数据,不适用于类别类型数据D)k-means不能解决非凸数据[多选题]189.数据标准化的目的是(__)。A)将数据变成同一个值B)实现数据中心化C)移除特征均值D)划分离散特征标准差[多选题]190.下列属于数据科学行业应用的有()。A)广告B)教育C)金融D)电力物联网[多选题]191.根据输出结果，数据科学中机器学习可分为(__)。A)概念学习B)归纳学习C)决策树学习D)分析学习[多选题]192.Spark的部署模式包括()。A)本地模式B)Standalone模式C)SparkOnYARND)SparkonMesos[多选题]193.实现数据共享，在企业层面面临的挑战包括：（）A)系统孤岛挑战B)组织架构挑战C)数据合作挑战D)利润风险挑战[多选题]194.云计算根据服务类型大致可以分为哪几类（）？A)IaaSB)PaaSC)SaaSD)效用运算[多选题]195.下列选项是数值数据类型（即可用于算术表达式）的有（）。A)0xffB)99C)122D)"1002"[多选题]196.GuassDB200的基本功能包含哪些?A)标准SQL支持B)提供安装部署工具、集群启停工具、集群状态监控工具、升级和扩容工具C)支持表空间，支持集群在线扩容功能D)支持标准JDBC4.0的特性但不支持ODBC[多选题]197.采用Flume传输数据过程中,为了防止因Flume进程重启而丢失数据,可以使用以下哪种Channel类型?A)MemoryChannelB)JDBCChannelC)FileChannelD)HDFSChannel[多选题]198.下列有关MapReduce计算框架的描述正确的是()。A)MapReduce可以计算任务的划分和调度B)MapReduce可完成数据的分布存储和划分C)MapReduce可以实现处理系统节点出错检测和失效恢复D)MapReduce可实现处理数据与计算任务的同步[多选题]199.下列有关Flume的描述正确的是()。A)Flume具有一定的容错性B)Flume使用Java编写C)Flume不支持failoyerD)Flume是一个分布式的轻量级工具,适应各种方式的数据收集[多选题]200.Nimbus在Streaming架构中的功能包括？A)监控任务执行状态B)任务调度C)启动/关闭工作进程D)资源分配[多选题]201.假设一个随机变量服从正态分布,则随机变量的概率分布跟其()有关。A)众数B)频数C)平均值D)方差[多选题]202.以下哪些方法属于特征选择的标准方法:()A)嵌入B)过滤C)包装D)抽样[多选题]203.预剪枝使得决策树的很多分子都没有展开,会导致()。A)显著减少训练时间开销B)显著减少测试时间开销C)降低过拟合风险D)提高欠拟合风险[多选题]204.Kafka的架构包括哪些组件（）？A)服务代理(Broker)B)消费者(Consumer)C)话题(Topic)D)生产者(Producer)[多选题]205.下列运算符中合法的是()。A)+=B)-=C)*=D)//=[多选题]206.FusionInsightHD集群中，集群规模有300个节点，如果采用推荐部署方案，控制节点上一定不会存在哪些分区？A)/B)//srv/BigData/dbdata_omC)/srv/BigDataD)//srv/BigData/jurnalnodeE)//srv/BigData/hadoop/data5第3部分：判断题，共42题，请判断题目是否正确。[判断题]207.GaussDB200创建数据库时默认支持的字符集是UTF-8A)正确B)错误[判断题]208.SQL数据库主要称为关系数据库。A)正确B)错误[判断题]209.校对集用于为不同字符集指定比较和排序的规则。--A)正确B)错误[判断题]210.Flume不提供数据存储功能而是侧重于数据采集和传输。()A)正确B)错误[判断题]211.元组支持增加、删除和修改元素的操作。（）A)正确B)错误[判断题]212.OVR是一种多分类方法。A)正确B)错误[判断题]213.()主键被强制定义成NOTNULL和UNIQUE。A)正确B)错误[判断题]214.如果函数中没有return语句或者return语句不带任何返回值，那么该函数的返回值为None。A)正确B)错误[判断题]215.机器学习可自动学习有用特征，深度学习需人工选取特征。A)正确B)错误[判断题]216.非结构化数据的管理往往采用NoSQL-.NewSQL或关系云技术。()A)正确B)错误[判断题]217.DataNode是HDFS集群的主节点，NameNode是HDFS集群的从节点。A)正确B)错误[判断题]218.语句print(reA)正确B)错误[判断题]219.已知x为非空列表，那么执行语句x[0]=3之后，列表对象x的内存地址不变A)正确B)错误[判断题]220.消费者对产品购买的次数越高，说明他对产品的忠诚度越高。A)正确B)错误[判断题]221.GES通过图数据库引警将数据通过算框架导入HBase和Spark进行存储。A)正确B)错误[判断题]222.Python标准库random的方法randint(m,n)用来生成一个[m,n]区间上的随机整数。A)正确B)错误[判断题]223.GaussDB200通过ExtensionConnector可以跨集群访问Orac1e数据库.MySQL数据库.Spark和其他GaussDB集群.A)正确B)错误[判断题]224.时序预测和回归预测一样，也是用已知的数据预测未来的值，但这些数据的区别是变量所处时间的不同A)正确B)错误[判断题]225.实时检索查询只能查询结构化数据。A)正确B)错误[判断题]226.PIG是脚本语言，它与mapreduce无关。（）A)正确B)错误[判断题]227.在线迁移中可能因外部因素导致迁移暂时故障，用户根据迁移日志信息解决问题后，可以通过续传功能继续迁移。A)正确B)错误[判断题]228.在UTF-8编码中一个汉字需要占用3个字节A)正确B)错误[判断题]229.Kerberos协议中TGT主要用于应用侧与需要访问的服务之间的安全会话。A)正确B)错误[判断题]230.基于邻近度的离群点检测方法不能处理具有不同密度区域的数据集。()A)正确B)错误[判断题]231.智能公交就是一种典型的物联网应用场景。A)正确B)错误[判断题]232.幂等操作是指同操作发起的-次或多次请求返回的结果是不一致的。A)正确B)错误[判断题]233.Fus1onlns1ghtHD系绞中一个集群可以管理多个服务，每个服务可以管理多个角色，每个角色只能官理-个实例。A)正确B)错误[判断题]234.信息生命周期管理是据生命周期管理的来源，最早由英国企业提出。A)正确B)错误[判断题]235.当通过布尔数组索引操作数组时，返回的数据是布尔数组中False对应位置的值。（）A)正确B)错误[判断题]236.使用Python列表的方法insert()为列表插入元素时会改变列表中插入位置之后元素的索引。A)正确B)错误[判断题]237.两次指数平滑法有多期预测能力，短期预测效果较好。()A)正确B)错误[判断题]238.函数内部定义的局部变量当函数调用结束后被自动删除。A)正确B)错误[判断题]239.WHERE用于在查询数据时设置条件。--A)正确B)错误[判断题]240.MapReduce运行本地模式不需要启动Hadoop集群()A)正确B)错误[判断题]241.服务可用性以月为服务周期，可用性为月服务可用时间与月服务总时间的比值A)正确B)错误[判断题]242.大数据在医疗行业中可以有效控制疾病的发生。A)正确B)错误[判断题]243.Nagios不可以监控Hadoop集群，因为它不提供Hadoop支持。（）A)正确B)错误[判断题]244.表达式(i**2foriinrange(100))的结果是个元组。A)正确B)错误[判断题]245.Flume中轮询调度（RoundRobinScheduling）算法就是以轮询的方式依次将请求调度不同的服务器，它是一种有状态调度.A)正确B)错误[判断题]246.Python语句list(range(1,10,3))执行结果为[1,4,7]。A)正确B)错误[判断题]247.GraphBash通过数据库引擎将数据通过ji算框架导入Hbase和Spark进行存储。A)正确B)错误[判断题]248.异常处理结构也不是万能的，处理异常的代码也有引发异常的可能。A)正确B)错误第4部分：问答题，共11题，请在空白处填写正确答案。[问答题]249.DataFrame中每列的数据都可以看作是一个【】对象。[问答题]250.请列举几个常用的统计计算方法，并说明它们的作用。[问答题]251.HBase不需要完全拥有传统关系型数据库所具备的（）特性。[问答题]252.Kafka中partitionreplication之间同步数据,从partition的leader复制数据到follower需要线程答案:replicationFetcherThread,Follower答案:一个follower相当于consumer主动从leader批量拉取消息的,这极大提高了吞吐量。A)TrueB)False[问答题]253.FusionInsight是华为企业级大数据存储,查询,分析的统一平台,能够帮助企业快速构建海量数据信息处理系统,通过对海量信息数据实时与非实时的分析挖掘,发现全新价值点和企业商机。A)TrueB)False[问答题]254.hadoop-mapreduce-examples-2.7.4.jar包中有计算()和Pi值的功能。[问答题]255.Hadoop-env.sh文件当下的位置？[问答题]256.伪分布模式中的注意点？[问答题]257.Spark根据RDD的依赖关系来划分Stage,调度器从DAG图末端出发,逆向遍历整个依赖关系链,遇到窄依赖就断开,遇到宽依赖就将其加入当前Stage。A)TRUEB)FALSE[问答题]258.输入Map阶段的数据源，必须经过()和格式化操作。[问答题]259.简述构造方法和析构方法的特点。[多选题]260.下列哪个是Hadoop运行的模式A)单机版B)伪分布式C)分布式1.答案:A解析:2.答案:C解析:3.答案:B解析:4.答案:C解析:5.答案:D解析:6.答案:D解析:7.答案:B解析:8.答案:C解析:9.答案:A解析:10.答案:C解析:11.答案:B解析:12.答案:B解析:13.答案:D解析:14.答案:D解析:15.答案:A解析:16.答案:A解析:逻辑回归被用来处理分类问题。17.答案:B解析:18.答案:C解析:19.答案:B解析:20.答案:D解析:21.答案:A解析:记住即可22.答案:B解析:23.答案:B解析:24.答案:D解析:25.答案:A解析:26.答案:D解析:27.答案:A解析:28.答案:A解析:29.答案:A解析:30.答案:B解析:31.答案:B解析:32.答案:B解析:33.答案:D解析:34.答案:D解析:35.答案:A解析:36.答案:C解析:37.答案:C解析:38.答案:B解析:HDFS默认BlockSize64MB，block默认保存3份。记住即可39.答案:D解析:40.答案:B解析:41.答案:C解析:42.答案:C解析:43.答案:B解析:44.答案:C解析:45.答案:D解析:46.答案:C解析:47.答案:C解析:48.答案:C解析:49.答案:C解析:50.答案:D解析:51.答案:D解析:52.答案:C解析:53.答案:C解析:54.答案:B解析:55.答案:D解析:56.答案:C解析:57.答案:A解析:58.答案:B解析:59.答案:C解析:60.答案:C解析:61.答案:C解析:62.答案:B解析:63.答案:D解析:64.答案:D解析:回归直线方程预测时,出现的误差方向不能确定。65.答案:A解析:在不知道特征映射的形式时，我们并不知道什么样的核函数是合适的，而核函数也仅是隐式地定义了这个特征空间，因此核函数选择成为支持向量机的最大变数。66.答案:B解析:67.答案:C解析:68.答案:D解析:69.答案:B解析:70.答案:C解析:71.答案:A解析:72.答案:A解析:73.答案:A解析:74.答案:D解析:75.答案:A解析:"数据的故事化描述(Storytelling)"是指为了提升数据的可理解性、可记忆性及可体验性,将"数据"还原成关联至特定的"情景"的过程。76.答案:A解析:77.答案:C解析:78.答案:B解析:79.答案:D解析:80.答案:D解析:Python变量作为实参时，它和对应形参之间的数据传递方式是在用户干预情况下，实参形参能相互传递。81.答案:D解析:82.答案:D解析:83.答案:B解析:84.答案:D解析:85.答案:D解析:86.答案:A解析:87.答案:C解析:88.答案:B解析:89.答案:D解析:90.答案:B解析:91.答案:D解析:基本元数据(Metadata)又称中介数据、中继数据,为描述数据的数据(dataaboutdata)。92.答案:B解析:93.答案:A解析:94.答案:B解析:95.答案:A解析:96.答案:B解析:97.答案:C解析:98.答案:B解析:99.答案:A解析:100.答案:D解析:101.答案:D解析:102.答案:D解析:103.答案:C解析:支持向量机最大间隔模型是一个凸二次规划问题。104.答案:C解析:105.答案:C解析:马铃薯是是蔬菜。106.答案:C解析:107.答案:D解析:108.答案:A解析:109.答案:B解析:110.答案:D解析:111.答案:B解析:112.答案:A解析:113.答案:D解析:文本分类准则包含预测准确性、鲁棒性和可扩展性。114.答案:D解析:115.答案:D解析:116.答案:C解析:117.答案:A解析:MLib是可扩展机器学习库。118.答案:C解析:数据加工（DataWrangling或DataMunging）的本质是将低层次数据转换为高层次数据的过程。从加工程度看，数据可以分为零次、一次、二次、三次数据。119.答案:A解析:120.答案:B解析:121.答案:C解析:122.答案:C解析:123.答案:C解析:124.答案:B解析:125.答案:D解析:126.答案:D解析:127.答案:C解析:128.答案:A解析:129.答案:A解析:130.答案:C解析:131.答案:A解析:132.答案:C解析:133.答案:B解析:134.答案:A解析:135.答案:A解析:因子分析把每个原始变量分解为公共因子和特殊因子两部分因素。136.答案:A解析:137.答案:C解析:138.答案:D解析:139.答案:D解析:140.答案:A解析:141.答案:B解析:A、DatanodeProtocol【DataNode与NameNode通信的信息接口】B、NamenodeProcotol【SecondaryNamen