大数据开发基础(习题卷33)

试卷科目：大数据开发基础大数据开发基础(习题卷33)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages大数据开发基础第1部分：单项选择题，共57题，每题只有一个正确答案,多选或少选均不得分。[单选题]1.下列说法正确的是（）。A)散点图不能在子图中绘制B)散点图的x轴刻度必须为数值C)折线图可以用作查看特征间的趋势关系D)箱线图可以用来查看特征间的相关关系答案:C解析:[单选题]2.以下属于非监督学习算法的是（）A)SVMB)knnC)k-meansD)LR答案:C解析:[单选题]3.在抽样方法中，当合适的样本容量很难确定时，可以使用的抽样方法是()。A)有放回的简单随机抽样B)无放回的简单随机抽样C)分层抽样D)渐进抽样答案:D解析:[单选题]4.预剪枝是指在决策树生成过程中，对每个结点在划分（__）进行估计。A)前B)中C)后D)不估计答案:A解析:[单选题]5.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)以上答案都不正确答案:A解析:[单选题]6.机器学习中,基于样本分布的距离是()。A)马氏距离B)欧式距离C)曼哈顿距离D)闵可夫斯基距离答案:A解析:马氏距离是基于样本分布的一种距离。[单选题]7.一监狱人脸识别准入系统用来识别待进入人员的身份，此系统一共包括识别4种不同的人员：狱警，小偷，送餐员，其他。下面哪种学习方法最适合此种应用需求：A)二分类问题B)多分类问题C)层次聚类问题D)回归问题答案:B解析:[单选题]8.修改数据库表结构用以下哪一项()A)UPDATEB)CREATEC)UPDATEDD)ALTER答案:D解析:[单选题]9.下列表达式中，返回True的是()。A)a=2b=2a=bB)3>2>1C)TrueandFalseD)2!=2答案:B解析:[单选题]10.以下哪个不是Flume的核心组件：()A)数据块（Block）B)数据源（Source）C)数据通道（Channel）D)数据槽（Sink）答案:A解析:[单选题]11.Oracle数据中，创建一个数据库需要多少个控制文件A)0B)1C)2D)3答案:B解析:[单选题]12.下列对Hadoop存储机制描述不正确的是()。A)HDFS中的默认的存储单元是64M的数据块B)在HDFS中，如果一个文件的大小小于一个数据块的大小，它是不需要占用整个数据块的存储空间的C)HDFS中的默认的存储单元是32M的数据块D)在HDFS中有量中两种重要的节点分别是NameNode和DataNode答案:C解析:[单选题]13.定义类如下：classhello():defshowInfo(sef):print(self.x)下面描述正确的是A)该类不可以实例化B)该类可以实例化C)在pycharm工具中会出现语法错误，说self没有定义D)该类可以实例化，并且能正常通过对象调用showInfo()答案:B解析:[单选题]14.type（1e6）的结果为（）。A)<class'int'>B)<class'float'>C)<class'complex'>D)<class'bool'>答案:B解析:1e6为float类型。[单选题]15.下面哪个功能不是大数据平台安全管理组件提供的功能()。A)接口代理B)接口认证C)接口授权D)路由代理答案:D解析:接口可以对用户的身份和请求的参数进行验证,以保证接口的安全。通过添加身份验证和数字签名的方法提高接口安全性,防止数据被集改和信息泄露。[单选题]16.数据的原始内容及其备份数据，是数据产品的研发的哪个阶段()。A)零次数据B)一次数据C)二次数据D)采集数据答案:A解析:[单选题]17.ADS的普通表的一级分区数量最多有（）。A)无限制B)128个C)256个D)1000个答案:C解析:[单选题]18.多用于结构分析场景，以树枝状形式展示数据构成或内在逻辑关系的图表是？()A)雷达图B)漏斗图C)瀑布图D)树图答案:D解析:[单选题]19.（）监控信息不能从OTS的用户管理控制台直接获得。A)读写吞吐量B)平均返回延迟值C)QPSD)TPS答案:D解析:[单选题]20.()表达了在当前任务上任何学习算法所能达到的期望泛化误差的下界，即刻圃了学习问题本身的难度A)偏差B)方差C)噪声D)泛化误差答案:C解析:[单选题]21.Python使用（）符号标示注释。A)&B)*C)#D)//答案:C解析:单行注释使用#号。[单选题]22.Jieba的（）会把文本精确切分，不存在冗余单词。A)匹配模式B)全模式C)精准模式D)搜索引擎模式答案:C解析:精准模式不存在冗余，而全模式存在。[单选题]23.输人图像已被转换为大小为28x28的矩阵和大小为7x7的步幅为1的核心/滤波十器卷和提阵的大小是（）A)22x22B)21x21C)28x28D)7x7答案:A解析:[单选题]24.下列Maxcompute的（）函数可以用在查询的where子句中。A)userdefinedtablefunctionB)userdefinedaggregationfunctionC)userdefinedscalarfunctionD)userdefinedfunction答案:D解析:[单选题]25.下面关于机械思维的核心思想，描述错误的是：（）A)世界变化的规律是确定的B)lit界变化的规律是无法确定的C)规律不仅是可以被认识的，而且可以用简单的公式或者语言描述清楚D)这些规律应该是放之四海而皆准的.可以应用到各种未知领域指导实践答案:B解析:[单选题]26.int('0xa',16)的结果为()。A)10B)12C)16D)a答案:A解析:[单选题]27.有关Hive支持的基本数据类型，以下那个是4byte有符合整数（）A)TinyintB)SmalintC)IntD)Bigint答案:C解析:[单选题]28.HDFS默认的副本是几份?A)5B)3C)6D)4答案:B解析:[单选题]29.真负率是指（__）。A)正样本预测结果数/正样本实际数B)被预测为负的正样本结果数/正样本实际数C)被预测为正的负样本结果数/负样本实际数D)负样本预测结果数/负样本实际数答案:D解析:[单选题]30.?啤酒与尿布?的故事体现了哪种大数据思维方式（）A)我为人人，人人为我B)全样而非抽样C)效率而非精确D)相关而非因果答案:D解析:[单选题]31.大数据中所说的数据量大是指数据达到了（）级别？A)MBB)PBC)KBD)TB答案:B解析:[单选题]32.Stage的Task的数量由什么决定()A)PartitionB)JobC)StageD)TaskScheduler答案:A解析:[单选题]33.在Hadoop配置文件中，以下属于core-site.xml文件主要内容的是()A)用于定义系统级别的参数，如HDFSURL、Hadoop的临时目录等。B)名称节点和数据节点的存放位置、文件副本的个数文件读取权限等。C)配置ResourceManager，NodeManager的通信端口，web监控端口等。D)包括JobHistoryServer和应用程序参数两部分，如reduce任务的默认个数、任务所能够使用内存的默认上下限等。答案:A解析:[单选题]34.要在HDFS的根目录中建立一个叫hadoo的目录，下面哪一条命令是正确的（）A)mkdirhadooB)mkdir/hadooC)hadoopmkdirhadooD)hadoopfs-mkdir/hadoo答案:D解析:记住即可[单选题]35.RDD的特点不包括()。A)RDD之间有依赖关系，可溯源B)RDD由很多partition构成C)对RDD的每个split或partition做计算D)RDD可以增量更新答案:D解析:[单选题]36.下图为Flume数据传输架构,图中???号处的组件是?A)InterceptorB)ChannelProcessorC)ChannelSelectorD)以上全不正确答案:C解析:[单选题]37.sklearn.decomposition.PCA（）的作用是（）。A)因子分析B)数据降维C)稀疏编码D)唯一编码答案:B解析:PCA（）是一种常用的降维方法，在数据维度较高时使用。[单选题]38.聚类是一类重要的机器学习算法，以下哪些场景属于聚类问题？A)判断一个网络访问是否为入侵访问。B)某网商对客户的购物行为进行分析，从而为不同组用户推荐商品C)根据学生的成绩，给出学生的名次。D)对数据库的论文根据内容主题的不同做划分答案:D解析:[单选题]39.数据科学是一门以（）为主要研究任务的独立学科。A)数据驱动、数据业务化、数据洞见、数据产品研发和（或）数据生态系统的建设B)数据研发C)数据处理D)数据洞见答案:A解析:数据科学是一门以实现从数据到信息、从数据到知识和（或）从数据到智慧的转化为主要研究目的，以数据驱动、数据业务化、数据洞见、数据产品研发和（或）数据生态系统的建设为主要研究任务的独立学科。[单选题]40.使用（）关键字声明匿名函数。A)functionB)funcC)defD)lambda答案:D解析:[单选题]41.Hbase元数据MetaRegion路由器信息存放在（）。A)ZookeeperB)Meta表C)HMasterD)Root表答案:B解析:[单选题]42.下面描述错误是：（）A)?探针盒子?就是一款自动收集用户隐私的产品B)许多顾客在使用WiFi之后会收到大量的广告信息，甚至自己的手机号码也会被当做信息进行多次买卖C)在免费上网的背后，其实也存在着不小的信息安全风险，或许8一不小心，就落入了电脑黑客们设计的WiFi陷阱之中D)免费WIFI都是安全的，可以放心使用答案:D解析:[单选题]43.下述说法错误的是()A)、关联规则属于半监督学习B)、有监督学习使用已知模式预测数据,其使用前提是训练集为带标签数据C)、当训练集中是不带标签的信息时,通常采用无监督学习算法D)、半监督学习算法有半监督分类方法(如生成式方法、判别式方法等)答案:A解析:[单选题]44.()负责HDFS数据存储。A)NameNodeB)JobTrackerC)DataNodeD)SecondaryNameNode答案:C解析:DataNode负责HDFS的数据块存储。[单选题]45.对数几率回归（logisticsregression）和一般回归分析有什么区别？A)对数几率回归是设计用来预测事件可能性的B)对数几率回归可以用来度量模型拟合程度C)对数几率回归可以用来估计回归系数D)以上所有答案:D解析:[单选题]46.多分类LDA将样本投影到N-1维空间,N-1通常远小于数据原有的属性数,可通过这个投影来减小样本点的维数,且投影过程中使用了类别信息,因此LDA也常被视为一种经典的()技术。A)无监督特征选择B)无监督降维C)监督特征选择D)监督降维答案:D解析:[单选题]47.下列数据类型Hive不支持的是（）。A)StructB)IntC)MapD)Long答案:D解析:Hive支持原生数据类型（TinyInt、SmallInt、Int、BigInt、Boolean、Float、Double、String），也支持复杂数据类型（Map、Array、Struct、Union），不支持Long。[单选题]48.下列（___）是对目录操作。A)mkdirB)printC)closeD)remove答案:A解析:[单选题]49.下列方法中，能够让所有单词的首字母变成大写的方法是（）。A)capitalizeB)titleC)upperD)Ijust答案:B解析:[单选题]50.数据质量以（）为监控对象，目前支持对离线数据的监控。A)数据群B)数据集C)数据列D)数据模块答案:B解析:[单选题]51.以下描述中不属于"规整数据(TidyData)"三个基本原则的是()。A)每一类观察单元构成一个关系(表)B)每个观察占且仅占一行C)每个变量占且仅占一列D)每个观察占且仅占一个关系(表)答案:D解析:tidyData原则为每列代表一个单独变量、每行代表单个观察值、每种观察形成一个表格。[单选题]52.有两个样本点,第一个点为正样本,它的特征向量是(0,-1);第二个点为负样本,它的特征向量是(2,3),从这两个样本点组成的训练集构建一个线性SVM分类器的分类面方程是()。A)2x+y=4B)x+2y=5C)x+2y=3D)2x-y=0答案:C解析:对于两个点来说,最大间隔就是垂直平分线,因此求出垂直平分线即可。斜率是两点连线的斜率的负倒数。即-1/(-1-3)/(0-2)=-1/2,可得y=-(1/2)x+c,过中点(0+2)/2,(-1+3)/2)=(1,1),可得c=3/2,故方程为x+2y=3。[单选题]53.下面关于MapReduce的描述中正确的是?A)MapReduce程序必须包含Mapper和ReducerB)MapReduce程序的MapTask可以任意指定C)MapReduce程序的ReduceTask可以任意指定D)MapReduce程序的默认数据读取组件是TextInputFormat答案:D解析:[单选题]54.自然语言理解是人工智能的重要应用领域，下面列举中的（）不是它要实现的目标。A)理解别人讲的话。B)对自然语言表示的信息进行分析概括或编辑。C)欣赏音乐。D)机器翻译。答案:C解析:第2部分：多项选择题，共23题，每题至少两个正确答案,多选或少选均不得分。[多选题]55.以下布尔表达式在逻辑上等同的是哪几个()？A)not(-610)B)-6>=0and-6C)not(-6D)not(-6>10or-6==10)答案:ABC解析:[多选题]56.有效抑制机器学习过拟合的方法是?()A)加大数据量B)减少数据量C)重新设计损失函数,引入平滑函数D)平滑损失函数答案:ACD解析:[多选题]57.大数据计算框架Flink的支持哪些资源调度方式?A)DockerB)YARNC)StandaloneD)Mesos答案:ABCD解析:[多选题]58.下列关于学习器的性能度量说法正确的是（__）。A)对于二分类问题，可将样例根据其真实类别与学习器预测类别的组合划分为：真正例、假正例、真反例、假反例B)查准率和查全率是一对矛盾的度量C)一般来说，查准率越高，查全率往往也偏高D)一般来说，查准率越高，查全率往往偏低答案:ABD解析:[多选题]59.以下属于决策树算法是：（）A)CLSB)ID3C)C4.5D)CART答案:ABCD解析:[多选题]60.数据的类型主要包括：（）A)文本B)图片C)音频D)视频答案:ABCD解析:[多选题]61.时间序列的作用包含:()A)为预测和决策提供可靠的数量信息B)深入揭示现象变化的数据特征C)反映现象发展变化的趋势和规律D)揭示现象变化的内在原因答案:ABCD解析:[多选题]62.Hive执行查询的时候会调用哪些模块?A)executorB)complierC)optimizerD)MetaStore答案:ABCD解析:[多选题]63.Zookeeper中的数据节点znode分为哪几种类型?A)semi-persistentB)ephemeralC)temporaryD)persistent答案:BD解析:[多选题]64.下图展示了HDFS的标签存储策略,观察下图,HBase的数据会被存储到哪些数据节点上A)DataNodeAB)DataNodeBC)DataNodeED)DataNodeF答案:AB解析:[多选题]65.下列方法中，可以用于特征降维的方法包括()A)主成分分析PCAB)线性判别分析LDAC)深度学习SparseAutoEncoderD)矩阵奇异值分解SVD答案:ABD解析:[多选题]66.关于离散化说法错误的有()A)离散化是将数值属性转换为字符串型属性B)有监督离散化有两种等宽和等频方法C)等宽离散化是使实例分布均匀的D)离散化包括无监督离散化和有监督离散化答案:ABC解析:[多选题]67.MySQL可以运行在以下哪些平台上A)MacOSB)UbuntuC)RedHatD)Windows答案:ABCD解析:[多选题]68.长短时记忆神经网络兰个门是()A)进化门B)输出门C)输入门D)遗忘门答案:BCD解析:[多选题]69.Flink可以基于以下哪些窗口进行统计?A)时间窗口B)滑动窗口C)会话窗口D)countWindow答案:ABCD解析:[多选题]70.调用Zookeeper客户端命令中包含哪些信息?A)Ip地址B)端口号C)服务器名称D)用户名答案:AB解析:[多选题]71."噪声"是指测量变量中的随机错误或偏差,噪声数据的主要表现有哪几种形式()A)错误数据B)假数据C)异常数据D)僵尸数据答案:ABC解析:错误数据、假数据、异常数据在测量变量中多被定义为噪声。[多选题]72.影响基本K-均值算法的主要因素有(）A)样本输入顺序B)模式相似性测度C)聚类准则D)初始类中心的选取答案:ABD解析:[多选题]73.联接可将水平方向上合并两个数据集合,并产生一个新的结果集合。联接可分为()A)内部联接B)外部联接C)顺序联接D)交叉联接答案:ABD解析:[多选题]74.对于Maxcompute的多路输出（multiinsert），（）描述是不正确的。A)对于源表为分区表的，相同的一个分区不能出现多次B)目标表为分区表的，对于不同的分区，可以混合使用insertinto和insertoverwrite，对于相同的分区则不可混用C)一般情况下，单个sql中最多可以写128路输出D)对于源表为未分区表的，该表可以出现多次答案:BD解析:[多选题]75.以下是复数的有()。A)k=2+3jB)k=complex(2,3)C)k=2+3lD)k=2+3J答案:ABD解析:[多选题]76.关于K均值和DBSCAN的比较,以下说法正确的是（）A)K均值丢弃被它识别为噪声的对象,而DBSCAN一般聚类所有对象B)K均值使用簇的基于原型的概念,而DBSCAN使用基于密度的概念C)K均值很难处理非球形的簇和不同大小的簇,DBSCAN可以处理不同大小和不同形状的簇D)K均值可以发现不是明显分离的簇,即便簇有重叠也可以发现,但是DBSCAN会合并有重叠的簇答案:BCD解析:[多选题]77.Redis使用场景包含以下哪些特点?A)支持持久化B)丰富数据结构在取C)低时延D)高性能答案:ABCD解析:第3部分：判断题，共16题，请判断题目是否正确。[判断题]78.df1=pdA)正确B)错误答案:错解析:[判断题]79.牛顿的方法论就是机械思维A)正确B)错误答案:对解析:[判断题]80.Oracle是非关系型数据库的一种。()A)正确B)错误答案:对解析:[判断题]81.在Windows平台上编写的Python程序无法在Unix平台运行。A)正确B)错误答案:错解析:[判断题]82.使用列表推导式生成包含10个数字5的列表，语句可以写为[5foriinrange(10)]。A)正确B)错误答案:对解析:[判断题]83.HBase支持完整的事务机制。A)正确B)错误答案:错解析:[判断题]84.假设有非空列表x，那么x.append(3)、x=x+[3]与x.insert(0,3)在执行时间上基本没有太大区别A)正确B)错误答案:错解析:[判断题]85.列表可以作为字典的?键?A)正确B)错误答案:错解析:[判断题]86.Spark本身并没有提供分布式文件系统，因此Spark的分析大多依赖于Hadoop的分布式文件系统HDFS。A)正确B)错误答案:对解析:[判断题]87.离线批处理，通常是指对海量数据进分析和处理，形成结果数据，供下一步数据应用使用，离线处理对处理时间要求不高。A)正确B)错误答案:对解析