2024年应用及操作处理大数据技能知识考试题库与答案VIP

2024年应用及操作处理大数据技能知识考试题库与答案一、单选题1．图像平滑会造成什么效果？A、图像边缘模糊化B、图像边缘清晰化C、无影响D、以上答案都不正确参考答案：A2．在处理非结构化数据时，哪种技术常用于提取有用信息？A.数据清洗B.文本挖掘C.数据聚合D.统计分析参考答案：B3．在数据科学项目中，数据科学家如何验证模型的泛化能力？A.在训练数据集上进行测试B.在验证数据集上进行测试C.在未见过的测试数据集上进行测试D.通过交叉验证参考答案：C4．在数据科学中，哪种方法常用于降维以减少数据的复杂度？A.标准化B.正规化C.主成分分析（PCA）D.交叉验证参考答案：C5．以下哪个不是数据预处理阶段的常见步骤？A.数据清洗B.数据集成C.数据可视化D.数据转换参考答案：C6．在使用决策树算法时，哪个参数可能导致模型过拟合？A.树的深度B.最小样本分割数C.两者都可能D.两者都不可能参考答案：C7．在数据仓库中，数据集市（DataMart）与数据仓库的主要区别是什么？A.数据集市包含的数据量更小B.数据集市不需要ETL过程C.数据集市是面向特定业务部门的D.数据集市不支持复杂查询参考答案：C8．以下哪个不是机器学习中的监督学习算法？A.K-最近邻B.决策树C.K-means聚类D.逻辑回归参考答案：C9．在处理时间序列数据时，哪种方法常用于平滑数据以减少噪声？A.移动平均B.傅里叶变换C.标准化D.决策树参考答案：A10．在数据科学项目中，哪个步骤通常用于发现数据中的隐藏模式或关系？A.数据清洗B.数据可视化C.特征工程D.建模与预测参考答案：B11．在数据科学项目中，特征选择（FeatureSelection）的主要目的是什么？A.减少计算时间B.提高模型的可解释性C.两者都是D.两者都不是参考答案：C12．以下哪个不是数据清洗（DataCleaning）过程中可能遇到的挑战？A.缺失值处理B.异常值检测C.数据加密D.数据类型不一致参考答案：C13．以下哪个不是A/B测试中的关键要素？A.实验组和对照组B.假设检验C.数据可视化D.样本大小计算参考答案：C14．在进行数据清洗时，处理异常值（outliers）的一种常用方法是什么？A.填充为中位数或众数B.删除异常值所在的行或列C.使用插值法进行填充D.标准化或归一化数据参考答案：B15．以下哪个不是数据挖掘的常用技术？A.关联规则挖掘B.聚类分析C.回归分析D.神经网络参考答案：D16．以下哪个不是K-means聚类算法可能面临的挑战？A.需要预先指定聚类数量（K值）B.对初始聚类中心的选择敏感C.只能处理球形簇D.无法处理大规模数据集参考答案：D17．以下哪个不是自然语言处理（NLP）中的任务？A.情感分析B.命名实体识别C.回归分析D.机器翻译参考答案：C18．在数据科学项目中，A/B测试的结果如何统计上显著？A.当且仅当实验组和对照组的差异在统计上显著时B.当实验组的性能始终优于对照组时C.当实验组的性能标准差小于对照组时D.当实验组的样本数量大于对照组时参考答案：A19．在使用随机森林进行特征重要性评估时，哪个指标通常用于衡量特征的重要性？A.特征在树中出现的次数B.特征在树中作为分裂节点的平均增益C.特征值的范围D.特征在数据集中的缺失率参考答案：B20．以下哪个不是数据清洗过程中可能遇到的挑战？A.缺失值处理B.异常值检测与处理C.数据整合与合并D.数据加密与安全性（数据加密和安全性更多是关于数据保护，而不是数据清洗的直接挑战）参考答案：D21．关于Spark的说法中，哪个是错误的？A、采用内存计算模式B、可利用多种语言编程C、主要用于批处理D、可进行map()操作参考答案：C22．对数值型输出，最常见的结合策略是？A、投票法B、平均法C、学习法D、排序法参考答案：B23．以下属于考虑词语位置关系的模型有？A、词向量模型B、词袋模型C、词的分布式表示D、TF-IDF参考答案：A24．对于SVM分类算法，待分样本集中的大部分样本不是支持向量，下列说法正确的是？A、需要将这些样本全部强制转换为支持向量B、需要将这些样本中可以转化的样本转换为支持向量，不能转换的直接删除C、移去或者减少这些样本对分类结果没有影响D、以上都不对参考答案：C25．在数据仓库中，哪种类型的事实表通常包含详细的业务活动数据？A.累积快照事实表B.事务事实表C.周期快照事实表D.无事实表（此选项不符合实际，仅为排除项）参考答案：B26．哪种类型的机器学习算法不依赖于数据实例的标签进行训练？A.监督学习B.无监督学习C.半监督学习D.强化学习（强化学习虽然不完全依赖标签，但它通常涉及奖励信号，不完全等同于无监督学习）参考答案：B27．在数据科学中，A/B测试主要用于什么目的？A.评估不同机器学习算法的性能B.评估不同数据预处理方法的效果C.评估网站或应用的不同版本对用户行为的影响D.评估不同数据可视化工具的优劣参考答案：C28．在使用深度学习进行图像分类时，哪个层通常用于输出最终的分类结果？A.卷积层B.池化层C.全连接层（或称为密集层）D.激活层（但这里特指用于输出的激活层，如softmax）参考答案：D29．在数据科学项目中，哪个步骤通常涉及将原始数据转换为可用于模型训练的形式？A.数据收集B.数据清洗C.特征工程D.模型训练参考答案：C30．当图像通过信道传输时，噪声一般与什么无关？A.信道传输的质量B.出现的图像信号C.是否有中转信道的过程D.图像在信道前后的处理参考答案：B31．在留出法、交叉验证法和自助法三种评估方法中，哪种更适用于数据集较小、难以划分训练集和测试集的情况？A.留出法B.交叉验证法C.自助法D.留一法参考答案：C32．在数据科学中，通常可以采用哪种方法有效避免数据加工和数据备份的偏见？A.A/B测试B.训练集和测试集的划分C.测试集和验证集的划分参考答案：B33．下列不属于深度学习内容的是？A.深度置信网络B.受限玻尔兹曼机C.卷积神经网络D.贝叶斯学习参考答案：D34．在大数据项目中，哪个阶段可能涉及使用数据工程师来优化数据查询性能？A.数据采集B.数据清洗C.数据存储与管理D.数据分析与可视化参考答案：C35．以下哪个不是NoSQL数据库的特点？A.不保证事务的ACID特性B.易于扩展C.支持复杂的SQL查询D.灵活的数据模型参考答案：C36．在数据仓库设计中，星型模式与雪花模式的主要区别在于？A.存储的数据量B.表的连接方式C.数据更新的频率D.数据的来源参考答案：B37．以下哪种算法常用于推荐系统中，基于用户的历史行为预测其兴趣？A.决策树B.协同过滤C.朴素贝叶斯D.逻辑回归参考答案：B38．在数据预处理阶段，缺失值处理的一种常用方法是？A.删除包含缺失值的行或列B.用均值、中位数或众数填充C.忽略缺失值，直接进行后续分析D.将缺失值视为一个新的类别参考答案：B39．下列哪个不是大数据处理面临的挑战？A.数据安全性B.数据实时性C.数据一致性D.数据存储与计算成本参考答案：C40．在使用K-means聚类算法时，通常需要预先确定的参数是？A.聚类中心的数量B.数据点的维度C.数据点的数量D.聚类半径参考答案：A41．哪种类型的机器学习算法适合处理非线性关系的数据？A.线性回归B.决策树C.逻辑回归D.朴素贝叶斯参考答案：B42．哪个不是大数据安全面临的挑战？A.数据泄露B.数据篡改C.数据存储成本D.隐私保护参考答案：C43．在机器学习中，哪种学习类型涉及在没有明确标记的数据集上进行训练？A.监督学习B.无监督学习C.半监督学习D.强化学习参考答案：B44．以下哪个不是数据科学家在数据探索阶段可能执行的任务？A.数据清洗B.缺失值处理C.特征工程D.模型部署（模型部署通常发生在数据探索和分析之后）参考答案：D45．在数据可视化中，哪种图表类型最适合展示时间序列数据？A.条形图B.折线图C.饼图D.热力图参考答案：B46．以下哪个不是大数据处理中的关键挑战？A.数据多样性B.数据实时性C.数据安全性D.数据一致性（在分布式系统中，数据一致性是一个重要问题，但在大数据处理的上下文中，它通常不是首要挑战，特别是与数据多样性、实时性和安全性相比）参考答案：D47．哪种类型的数据库最适合处理图结构数据？A.关系型数据库B.文档型数据库C.列式数据库D.图数据库参考答案：D48．在数据科学中，交叉验证（Cross-Validation）的主要目的是什么？A.减少过拟合B.加速模型训练C.增加模型的复杂度D.无需训练集和测试集的分割参考答案：A49．在机器学习中，梯度下降（GradientDescent）算法属于哪一类优化算法？A.局部搜索算法B.贪心算法C.动态规划D.启发式算法参考答案：A50．以下哪个不是自然语言处理（NLP）中的常见任务？A.情感分析B.命名实体识别C.语音识别D.机器翻译参考答案：C51．以下哪个不是数据科学家在处理大数据时可能面临的挑战？A.数据存储和访问B.数据安全和隐私C.数据可视化D.实时数据处理参考答案：C52．在数据科学项目中，数据泄露（DataLeakage）指的是什么？A.数据在传输过程中被未经授权的第三方获取B.在模型训练过程中，测试数据的信息被间接地用于训练模型C.数据在存储过程中因硬件故障而丢失D.数据在可视化时未进行脱敏处理参考答案：B53．在机器学习中，正则化（Regularization）的主要目的是什么？A.增加模型的复杂度B.减少模型的训练时间C.防止过拟合D.提高模型的解释性参考答案：C54．以下哪个不是数据预处理中处理缺失值的常用方法？A.删除含有缺失值的行或列B.用均值、中位数或众数填充C.使用插值法（如线性插值）D.忽略缺失值，直接进行模型训练参考答案：D55．在使用随机森林（RandomForest）算法时，哪个参数的增加通常会导致模型变得更加复杂？A.树的数量B.树的深度C.叶子节点所需的最小样本数D.分割节点所需的最小样本数参考答案：B56．在使用机器学习模型时，特征缩放（FeatureScaling）的主要目的是什么？A.提高模型的准确率B.加快模型的训练速度C.减少数据的存储空间D.使得不同量纲的特征能够公平地比较参考答案：D二、多选题1．在建立模型时,需要用到()。A.训练数据B.测试数据C.原始数据D.验证数据参考答案：ABD2．决策树的划分选择有()。A.增益系数B.信息增益C.增益率D.基尼系数E、信息增益量参考答案：BCD3．关于数据流转和应用,以下说法正确的是()。A.数据流转和应用过程中应确保可追溯、可复查B.前序环节应保证数据的真实、完整C.前序环节应及时传递到后序环节D.前后环节数据应保持衔接一致参考答案：ABCD4．CNN相比于全连接的DNN有哪些优势()A.参数更少B.泛化更好C.训练更快D.更容易搭建;参考答案：ABC5．语音识别的方法包括()。A.声道模型方法B.模板匹配的方法C.利用仍神经网络的方法D.语音知识方法参考答案：ABCD6．以下描述中属于Analytics0的主要特点的是()。A.侧重嵌入式分析B.重视非结构化数据的分析C.以决策支持为主要目的D.注重解释性分析和预测性分析参考答案：BCD7．下面哪些是基于核的机器学习算法(__)。A.最大期望算法B.径向基核函数C.线性判别分析法D.支持向量机参考答案：BCD8．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.变量类型固定参考答案：ABC9．K均值聚类和层次聚类在一些方面有重大差异。以下哪些说法是正确的()A.在K均值聚类中,必须在运行算法前选定想要的簇的个数B.在k均值聚类中,可以在运行算法后选定想要的簇的个数C.在层次聚类中,可以在运行算法后选定想要的簇的个数D.k均值聚类算法所需的计算量比层次聚类算法小得多参考答案：ACD10．影响聚类算法效果的主要原因有:()A.特征选取B.模式相似性测度C.分类准则D.已知类别的样本质量参考答案：ABC11．直方图修正法包括()。A.直方图统计B.直方图均衡C.直方图过滤D.直方图规定化;参考答案：BD12．特征选择的目的:()。A.减少特征数量、降维B.使模型泛化能力更强C.增强模型拟合能力D.减少过拟合。参考答案：ABD13．LSTM应用场景应用场景有哪些()A.翻译语言B.语音识别C.图像识别D.股票预测参考答案：ABD14．数据科学项目主要涉及的活动包括()。A.模式/模型的应用及维护B.模式/模型的洞见C.结果的可视化与文档化D.模式/模型的验证和优化参考答案：ABCD15．以下属于规则的分词方法的是()。A.正向最大匹配法B.逆向最大匹配法C.双向最大匹配法D.条件随机场参考答案：ABC16．集成学习中多样性的增强有哪些()A.数据样本扰动B.输入属性扰动C.输出表示扰动D.算法参数扰动参考答案：ABCD17．下列哪些现象属于乘性噪声()。A.电视光栅的退化B.二值图像上的胡椒盐噪声C.信道传输受扰D.胶片材料的退化参考答案：AD18．在支持向量机中,参数的选取会影响拟合的结果,如果出现过拟合的现象,则导致该结果的原因有可能是(__)。A.其他参数保持不变,C值过大B.其他参数保持不变,λ值较少C.其他参数保持不变,σ较大D.其他参数保持不变,σ较小参考答案：ABD19．常用的爬虫技巧有以下哪些()。A.更改header,伪装成浏览器进行爬取B.设置爬取的时间间隔C.应用神经网络算法识别网站验证码D.通过代理服务器进行爬取参考答案：ABCD20．下列哪些是词语情感分析的方法()。A.基于网络的分析方法B.基于word-embedding的分析方法C.基于词典的分析方法D.基于词频的分析方法参考答案：AC21．大数据的参考架构分为哪三个层次()A.角色B.活动C.逻辑构件D.功能组件参考答案：ABD22．Spark有哪些缺陷()。A.于内存的计算B.持Schema信息C.支持增量迭代计算D.支持细粒度更新操作参考答案：CD23．在BP网络中,常用于缓解其过拟合的策略有()。A.早停策略B.正则化策略C.全局最小策略D.局部最小策略参考答案：AB24．数据可视化是利用计算机图形学和图像处理技术,将数据转换成()或()在屏幕上显示出来,并进行交互处理的理论、方法和技术。A.文字B.图形C.图像D.视频参考答案：BC25．下列哪些是情感分析的应用场景()。A.数据挖掘B.信息检索C.文本分词D.市场营销参考答案：ABD26．常用的冲突消解策略有包括()。A.投票法B.排序法C.元规则法D.调研法参考答案：ABC27．线性模型的基本形式有()。A.线性回归B.对数几率回归(二分类问题)C.线性判别分析(Fisher判别分析)D.多分类学习参考答案：ABCD28．在网络爬虫的爬行策略中,应用最为常见的是()。A.深度优先遍历策略B.广度优先遍历策略C.高度优先遍历策略D.反向链接策略E、大站优先策略参考答案：AB29．请问下面哪些是离散型变量()。A.示波器B.心电图及脑动电图扫描器对脑电波的测量C.过去数月的总销售额D.公司每年的红利参考答案：CD30．分布式列式存储的功能有()。A.支持在线快速读写B.支持线性扩展C.具备节点监控管理D.数据同源不压缩参考答案：ABC31．数据从产生到终结共有()环节。A.数据产生环节B.数据传输环节C.数据使用环节D.数据共享环节E、数据销毁环节参考答案：ABCDE32．关于HDFS的文件写入,正确的是()。A.不支持多用户对同一文件的写操作;B.用户不可以在文件任意位置进行修改;C.默认将文件复制成三份存放;D.复制的文件块默认不存在同一机架上;参考答案：ABCD733．下面对LDA判别分析的思想描述正确的是()。A.同类样例的投影点尽可能近B.异类样例的投影点尽可能远C.同类样例的投影点尽可能远D.异类样例的投影点尽可能近参考答案：AB34．下面属于范数规则化的作用的是()和()。A.保证模型尽可能的简单,避免过拟合B.约束模型特征C.最小化问题D.最大化问题参考答案：AB35．我们想要减少数据集中的特征数,即降维.选择以下适合的方案:()。A.使用前向特征选择方法B.使用后向特征排除方法C.我们先把所有特征都使用,去训练一个模型,得到测试集上的表现.然后我们去掉一个特征,再去训练,用交叉验证看看测试集上的表现.如果表现比原来还要好,我们可以去除这个特征D.查看相关性表,去除相关性最高的一些特征参考答案：ABCD36．以下说法正确的是()。A.负梯度方向是使函数值下降最快的方向B.当目标函数是凸函数时,梯度下降法的解是全局最优解C.梯度下降法比牛顿法收敛速度快D.拟牛顿法不需要计算Hesse矩阵参考答案：ABD37．对于主成分分析方法,降维后低维空间的维数d可以通过()方法确定。A.由用户事先指定B.通过在d值不同的低维空间中对开销较小的学习器进行交叉验证来选取C.可从重构的角度设置一个重构阈值,选取使得特定公式成立的最小值D.随机设置参考答案：ABC38．变量名可以包含()。A.字母B.数字C.下划线D.空格参考答案：ABC39．从可视化处理视角看,可以将数据分为四个类型()并采用不同的视觉映射方法。A.定类数据B.定序数据C.定距离数据D.定比暑假参考答案：ABCD40．下列关于特征的稀疏性说法正确的是()。A.稀疏性指的是矩阵中有许多列与当前学习任务无关B.稀疏样本可减少学习任务的计算开销C.学习任务难度可能有所降低D.稀疏矩阵没有高效的存储方法参考答案：ABC41．数据可视化中,从数据到知识的转换途径()。A.可视化分析B.自动化建模C.用户交互D.参数优化参考答案：AB42．在数据缺失严重时,会对分析结果造成较大的影响,因此剔除的异常值和缺失值,要采用合理的方法进行填补,常用的方法有()。A.平均值填充B.K最近邻距离法C.回归法D.极大似然估计E、多重插补法参考答案：ABCDE43．假设目标遍历的类别非常不平衡,即主要类别占据了训练数据的99%,现在你的模型在训练集上表现为99%的准确度,那么下面说法正确的是:()。A.准确度并不适合衡量不平衡类别问题B.准确度适合衡量不平衡类别问题C.精确度和召回率适合于衡量不平衡类别问题D.精确度和召回率不适合衡量不平衡类别问题参考答案：AC44．图像压缩是建立在图像存在()几种冗余之上。A.编程冗余B.像素间冗余C.心理视觉冗余D.计算资源冗余参考答案：ABC45．图像识别的一般步骤包括()。A.预处理B.特征提取C.超像素生成D.识别分类参考答案：ABD46．RDD具有()和()特征。A.可容错性;B.简洁性;C.并行数据结构;D.结构化;参考答案：AC47．以下哪层是卷积神经网络的组成部分。A.卷积层B.中间层C.池化层D.全连接层参考答案：ACD48．神经网络的拓扑结构可以分为()和随机型网络等。A.前向型B.后向型C.反馈型D.自组织竞争型参考答案：ACD49．空间域滤波是直接以图像中的像素操作为基础的滤波,空间滤波器有时也可称为()。A.空间掩模B.核C.模板D.窗口参考答案：ABCD50．下面关于单样本t检验的说法,错误的是()。A.当单样本t检验的自由度越来越大时,正态分布越来越趋向于t分布B.单样本t检验适用于样本量比较多(n>30)的情况C.t分布的不确定性比正态分布小,其原因是样本数量比较小D.单样本t检验通常也被叫做学生t检验参考答案：ABC51．以下关于数据维度的描述,正确的是()。A.采用列表表示一维数据,不同数据类型的元素是可以的B.JSON格式可以表示比二维数据还复杂的高维数据C.二维数据可以看成是一维数据的组合形式D.字典不可以表示二维以上的高维数据参考答案：ABC52．下列哪些项属于传统循环神经网络的性质()A.上一时刻的网络状态信息将会作用于下一时刻的网络状态B.并行处理序列中所有信息C.容易梯度爆炸/消失D.易于搭建参考答案：AC53．关于总体和样本的说法,正确的是:A.总体也就是研究对象的全体B.如果总体是某一条生产线上生产的全部产品,那么样本可以是每间隔10秒抽取的产品C.样本是从总体的随机抽样D.如果总体是某一小学的1000名学生,那么样本可以是一年级的100名学生参考答案：ABC54．数据可视化涉及到()等多个领域,成为研究数据表示、数据处理、决策分析等一系列问题的综合技术。A.计算机图形学B.图像处理C.计算机视觉D.计算机辅助设计参考答案：ABCD55．下列场景适合使用Python的是()。A.可作为脚本语言,快速编写小型程序、脚本等B.可应用在数据科学、交互式计算及可视化领域C.可作为胶水语言,整合如C++等语言代码D.Python适用于低延时、高利用率的应用场景参考答案：ABC56．下列关于PCA说法正确的是()。A.在使用PCA之前,我们必须标准化数据B.应该选择具有最大方差的主成分C.应该选择具有最小方差的主成分D.可以使用PCA在低维空间中可视化数据参考答案：ABD57．以下哪几项属于汉语未登录词的类型()。A.存在于词典但出现频率较少的词B.新出现的普通词汇C.专有名词D.专业名词和研究领域名称参考答案：BCD58．以下关于降维方法,叙述正确的是()。A.主成分分析是一种常用的非线性降维方法B.核化线性降维是一种常用的线性降维方法C.流形学习是一种借鉴拓扑流形概念的降维方法D.度量学习绕过降维的过程,将学习目标转化为对距离度量计算的权重矩阵的学习参考答案：CD59．关于降维说法正确的是()。A.PA是根据方差这一属性降维的B.降维可以防止模型过拟合C.降维降低了数据集特征的维度D.降维方法有PLA等参考答案：ACD60．大数据的资产属性体现在()。A.具有劳动增值B.涉及法律权属C.具有财务价值D.涉及道德与伦理参考答案：ABCD61．以下算法中可以应用于图像分割的是()。A.边缘检测技术B.阈值分割技术C.基于区域的分割技术D.区域生长方法参考答案：ABCD62．下列关于密度聚类说法错误的是(__)。A.DBSCAN是一种著名的密度聚类算法B.密度聚类从样本数量的角度来考察样本之间的可连接性C.密度聚类基于不可连接样本不断扩展聚类簇易获得最终的聚类结果D.密度直达关系通常满足对称性参考答案：BCD63．随机森林在做数据处理方面有什么优势()。A.不需要做缺失值处理B.不需要处理噪音C.不需要做特征选择D.不需要平衡数据集参考答案：ACD64．特征向量的归一化方法有哪些()A.线性函数转换B.对数函数转换C.反余切函数转换D.减去均值,除以方差参考答案：ABCD65．“以数据为中心”是数据产品区别于其他类型产品的本质特征,表现在()方面。A.数据驱动B.数据密集型C.数据范式D.数据可视化参考答案：ABC66．以下关于集成学习的说法正确的是:()。A.随机森林是减少模型的方差,而GBDT是减少模型的偏差B.组成随机森林的树可以并行生成,而GBDT是串行生成C.随机森林的结果是多数表决表决的,而GBDT则是多棵树累加之和参考答案：ABC67．常用的数据审计方法可以分为()。A.预定义审计B.自定义审计C.可视化审计D.结构化审计参考答案：ABC68．随机森林的随机性主要体现在()。A.决策树选择的随机性B.数据集的随机性C.待选特征的随机性D.参数选择的随机性参考答案：BC69．有两种策略常用来缓解BP网络的过拟合,分别是()和()。A.晚停B.早停C.正则化D.加入损失函数参考答案：BC70．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.提高欠拟合风险参考答案：ABCD71．一个监督观测值集合会被划分为()。A.训练集B.验证集C.测试集D.预处理集参考答案：ABC72．关于梯度消失和梯度消失,以下说法正确的是:(__)。73．A.根据链式法则,如果每一层神经元对上一层的输出的偏导乘上权重结果都小于1的话,那么即使这个结果是99,在经过足够多层传播之后,误差对输入层的偏导会趋于0B.可以采用ReLU激活函数有效的解决梯度消失的情况C.根据链式法则,如果每一层神经元对上一层的输出的偏导乘上权重结果都大于1的话,在经过足够多层传播之后,误差对输入层的偏导会趋于无穷大D.可以通过减小初始权重矩阵的值来缓解梯度爆炸参考答案：ABCD74．循环神经网络主要被应用于哪些场景(__)。A.语音识别B.语音建模C.机器翻译D.图像识别参考答案：ABC75．以下属于频率域图像滤波的方法有()。A.中值滤波B.均值滤波C.布特沃斯滤波D.高斯滤波参考答案：CD76．卷积神经网络中常用的池化函数包括()。A.最大池化函数B.L2范数C.相邻矩形区域内的平均值D.基于据中心像素距离的加权平均函数参考答案：ABCD77．ETL技术主要涉及()操作。A.抽取B.转换C.加载D.分析参考答案：ABC78．以下可用于处理由于光照不均带来的影响的图像处理方法有()。A.同态滤波B.顶帽变换C.基于移动平均的局部阈值处理D.拉普拉斯算子参考答案：ABC79．下面关于Python中的列表和字典说法正确的是()。A.字典和列表都可以通过“[]”操作符访问元素的值B.列表的索引必须是整型数或者切片C.字典不过是列表的另一个名字。二者没有区别D.字典的长度是动态的,而列表的长度是固定的参考答案：AB80．ETL包含下列哪些过程()A.数据抽取B.数据转换C.数据加载D.数据展现参考答案：ABC81．处理图像平滑处理的滤波有()。A.盒式滤波B.均值滤波C.高斯滤波D.中值滤波参考答案：ABCD82．参数估计可以分为()。A.点估计B.一致估计C.区间估计D.无偏估计参考答案：AC83．下列哪些是传统RDBMS的缺点()A.表结构schema扩展不方便B.全文搜索功能较弱C.大数据场景下I/O较高D.存储和处理复杂关系型数据功能较弱参考答案：ABCD84．以下哪些滤波器能在卷积窗口的边界上使卷积掩膜中心像素和它的4-邻接点的系数降至0附近()。A.同态滤波B.高斯滤波C.巴特沃斯滤波D.中值滤波参考答案：BC85．关于卷积神经网络的叙述中正确的是()。A.可用于处理时间序列数据B.可用于处理图像数据C.卷积网络中使用的卷积运算就是数学中的卷积计算D.至少在网络的一层中使用卷积参考答案：ABD86．对于不同场景内容,一般数字图像可以分为()。A.二值图像B.灰度图像C.彩色图像D.深度图像参考答案：ABC87．下面关于中心极限定理的说法,正确的是:A.中心极限定理说明,对于大量相互独立的随机变量,其均值的分布以正态分布为极限B.中心极限定理说明,对于大量相互独立的随机变量,其均值的分布以t分布为极限C.中心极限定理为Z检验提供了理论支持D.中心极限定理是数理统计学和误差分析的基础参考答案：ACD88．下列关于情感分析的说法正确的是()。A.简单而言,是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程B.情感分析的发展得益于社交媒体的兴起C.按照处理文本的粒度不同,情感分析大致可分为词语级,句子级、篇章级三个D.情感分析可以应用于文本挖掘参考答案：ABCD89．下列既可以用于分类,又可以用于回归的机器学习算法有:A.k近邻B.逻辑回归C.决策树D.线性回归参考答案：AC90．数据安全不仅包括数据保密性,还包括()。A.完整性B.可用性C.不可否认性D.可审计性参考答案：ABCD91．异常值的检测方法有()A.直接通过数据可视化进行观察B.通过统计分布进行判断C.通过相对距离进行度量D.通过相对密度进行度量参考答案：ABCD92．深度学习方法不适用于以下哪些场景()。A.数据样本充足B.数据样本不足C.数据集具有局部相关特性D.数据集没有局部相关特性参考答案：BD93．以下对模型性能提高有帮助的是()。A.数据预处理B.特征工程C.机器学习算法D.模型集成参考答案：ABCD94．在Hive架构中支持对数据的操作有()。A.插入B.查询C.删除D.分析;参考答案：BD95．以下图像技术中属于图像处理技术的是()。A.图像编码B.图像合成C.图像增强D.图像分类参考答案：AC96．回归分析有很多种类,常见的有()。A.线性回归B.系数回归C.逻辑回归D.曲线回归参考答案：ACD97．算法“歧视”现象可能出现在()。A.算法设计B.算法实现C.算法投入使用D.算法验证参考答案：ABC98．下面关于机器学习的理解正确的是()。A.非监督学习的样本数据是要求带标签的B.监督学习和非监督学习的区别在于是否要求样本数据带标签C.强化学习以输入数据作为对模型的反馈D.卷积神经网络一般用于图像处理等局部特征相关的数据参考答案：BCD99．决策树()情况下会导致递归返回。A.当前节点包含的样本全属于同一类B.当前属性集为空C.当前节点包含的样本集合为空D.所有样本在所有属性上取值相同参考答案：ABCD100．下列关于数据科学中常用的统计学知识说法错误的是()。A.从行为目的与思维方式看,数据统计方法可以分为基本分析方法和元分析方法B.从方法论角度看,基于统计的数据分析方法又可分为描述统计和推断统计C.描述统计可分为集中趋势分析、离中趋势分析、参数估计和假设检验D.推断统计包括采样分布和相关分析参考答案：ABCD101．()是通过对无标记训练样本的学习来进行分类的。A.密度估计B.异常检测C.线性回归D.聚类分析参考答案：ABD102．数据再利用的意义在于()A.挖掘数据的潜在价值B.提高社会效益,优化社会管理C.实现数据重组的创新价值D.优化存储设备,降低设备成本E、利用数据可拓展性拓宽业务领域参考答案：ACE103．非频繁模式()。A.其支持度小于阈值B.都是不让人感兴趣的C.包含负模式和负相关模式D.对异常数据项敏感参考答案：AD104．机器学习的三个关键组成要素是()。A.任务TB.性能指标PC.目标函数VD.经验来源E参考答案：ABD105．图像数字化应该包括哪些过程()。A.采样B.模糊C.量化D.统计参考答案：AC106．以下关于CSV文件的描述,正确的选项是()。A.CSV文件可用于不同工具间进行数据交换B.CSV文件格式是一种通用的,相对简单的文件格式,应用于程序之间转移表格数据。C.SV文件通过多种编码表示字符D.CSV文件的每一行是一维数据,可以使用Python中的列表类型表示参考答案：ABD107．Analytics0的主要特点有()。A.分析活动滞后于数据的生成B.重视结构化数据的分析C.以对历史数据的理解为主要目的D.注重描述性分析参考答案：ABCD108．Spark的技术架构可以分为哪几层()。A.资源管理层;B.Spark核心层;C.应用层;D.服务层;参考答案：ABD109．完整性约束通常包括()A.实体完整性B.域完整性C.参照完整性D.用户定义完整性参考答案：ABCD110．EDA(探索性数据分析)方法与传统统计学的验证性分析方法的区别有()。A.EDA需要事先提出假设,而验证性分析不需要B.EDA中采用的方法往往比验证性分析简单C.在一般数据科学项目中,探索性分析在先,验证性分析在后D.EDA更为简单、易学和易用参考答案：BCD111．关于分析学习和归纳学习的比较,说法正确的是()。A.归纳学习拟合数据假设,分析学习拟合领域理论的假设B.归纳学习论证方式为统计推理,分析学习为演绎推理C.归纳学习不需要隐式的先验知识D.训练数据不足时归纳学习可能会失败参考答案：ABCD112．统计模式分类问题中,当先验概率未知时,可以使用()。A.最小最大损失准则B.最小误判概率准则C.最小损失准则D.N-P判决参考答案：AD113．HBase性能优化包含下面的哪些选项()。A.读优化B.写优化C.配置优化D.JVM优化参考答案：ABCD114．下列哪个是Hadoop运行的模式()。A.单机版B.伪分布式C.分布式D.全分布式参考答案：ABC115．下列属于CNN关键层的是(__)。A.输入层B.卷积层C.激活层D.池化层参考答案：ABCD116．关于神经元的叙述,哪些是正确的()A.每个神经元可以有一个输入和一个输出B.每个神经元可以有多个输入和一个输出C.每个神经元可以有多个输入和多个输出D.每个神经元可以有多个输出和一个输入参考答案：ABCD117．哪些项不属于使用池化层相比于相同步长的卷积层的优势()A.参数更少B.可以获得更大下采样C.速度更快D.有助于提升精度参考答案：BCD118．使用极大似然估计的前提条件有()。A.数据服从某种已知的特定数据分布型B.已经得到了一部分数据集C.提前已知某先验概率D.数据集各个属性相对独立参考答案：AB119．以下描述中正确的是()。A.统计学是数据科学的理论基础之一B.Python语言是统计学家发明的语言C.机器学习是数据科学的理论基础之一D.数据科学是统计学的一个分支领域(子学科)参考答案：AC120．传统关系数据库的优点包括()。A.数据一致性高B.数据冗余度低C.简单处理的效率高D.产品成熟度高参考答案：ABD121．Python的模块符合以下哪些说法()。A.模块让你能够有逻辑地组织你的Python代码段B.Python拥有丰富的模块,不支持自定义模块C.把相关的代码分配到一个模块里能让你的代码更好用,更易懂D.模块能定义函数,类和变量,模块里也能包含可执行的代码。参考答案：ACD122．关于神经网络,下列说法正确的是()A.增加网络层数,可能会增加测试集分类错误率B.增加网络层数,一定会增加训练集分类错误率C.减少网络层数,可能会减少测试集分类错误率D.减少网络层数,一定会减少训练集分类错误率参考答案：AC123．Flume特点包括()。A.分布式B.高可靠C.高容错D.易于定制和扩展参考答案：ABCD124．深度学习的实质及其与浅层学习的说法正确的是(__)。A.DL强调模型深度B.DL突出特征学习的重要性.特征变换+非人工C.没有区别D.以上答案都不正确参考答案：AB125．如何在监督式学习中使用聚类算法()A.首先,可以创建聚类,然后分别在不同的集群上应用监督式学习算法B.在应用监督式学习算法之前,可以将其类别ID作为特征空间中的一个额外的特征C.在应用监督式学习之前,不能创建聚类D.在应用监督式学习算法之前,不能将其类别ID作为特征空间中的一个额外的特征参考答案：AB126．(__)可以帮助解决训练集在特征空间中线性不可分的问题。A.硬间隔B.软间隔C.核函数D.拉格朗日乘子法参考答案：BC127．下面关于连续型随机变量以及连续型概率密度函数的说法,正确的是。A.“一个客服一天可能接听到多少个电话”是一个连续型随机变量B.正态分布是一种连续型随机变量的概率分布C.可以使用概率密度函数来描述连续型随机变量的概率分布D.连续型概率密度函数曲线下方的面积之和为1参考答案：BCD128．假设检验中,首先需要提出零假设和备择假设,零假设是(),备择假设是()。A.只有出现的概率大于阈值才会被拒绝的,只有零假设出现的概率大于阈值才会被承认的B.希望推翻的结论,希望证明的结论C.只有出现的概率小于阈值才会被拒绝的,只有零假设出现的概率小于阈值才会被承认的D.希望证明的结论,希望推翻的结论参考答案：BC129．数据科学基本原则中,三世界原则指的是()A.我们的世界B.数据世界C.物理世界D.数字世界参考答案：ABC130．某单位运用随机森林算法思想建立抢修热点模型。该模型主要预测下期台区工单数量,构建抢修热点。以下模型算法构建步骤中合理的顺序是:()。A.将历史数据进行随机自助法重抽样,生成N个训练样本集B.将N个训练样本集分别做决策树,生成N棵决策树C.将N棵决策树随机构成随机森林D.未来根据预测样本气候环境、设备属性、设备工况进行随机森林决策投票,得出针对该预测样本最优的决策树进行运算,并计算出最终结果。参考答案：ABCD131．针对维数灾难,我们主要采用的降维方法有哪些()。A.多维缩放B.主成分分析C.核化线性降维D.流形学习E、度量学习参考答案：ABCDE132．特征工程一般需要做哪些工作()。A.正则化B.标准化C.特征处理D.特征选择参考答案：CD133．图像识别的精度会受到以下那些因素的影响()。A.数据类别数量不平衡B.输入图像尺寸不同C.图像中存在类标之外的环