試卷科目：大數據開發基礎大數據開發基礎(習題卷16)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages大數據開發基礎第1部分：單項選擇題，共57題，每題只有一個正確答案,多選或少選均不得分。[單選題]1.下列新客戶風險等級劃分標準中，說法錯的是（）A)短期內一般可疑報告次數為3以上--高風險B)自然人客戶由他人代辦開戶-一般風險C)新開客戶屬于容易洗錢的行業-高風險D)短期內客戶單筆金額為10萬以上的現金收交易累計3次以上-一般風險答案:C解析:[單選題]2.關于k-meA、ns說法不正確的是()A)、k-meA、ns聚類是一種典型的基于距離的聚類算法B)、它采用距離作為相似性的評價指標,即認為兩個對象的距離越近,其相似度就越大C)、k-meA、ns聚類的目的是尋找固定數目的簇,而每個簇由距離靠近的對象組成D)、在k-meA、ns聚類中,k個初始聚類中心點的選取對聚類結果的影響不是很大答案:D解析:[單選題]3.通常會單獨購買獨立設備組為其服務的行業是？（）A)電商行業B)金融行業C)視頻行業D)新聞網站答案:B解析:[單選題]4.變量的不確定性越大,相對應信息熵的變化是()。A)熵變小B)熵變大C)不變D)以上答案都不正確答案:B解析:信息熵(informationentropy)是度量樣本集合純度最常用的一種指標,信息熵越大,變量的不確定性越大。[單選題]5.大數據分析人員小張發現,所在的互聯網公司的注冊人數往往會隨著時間有一定的變化,為了更加直觀展示這種趨勢,最合適的圖表是()A)點圖B)熱力點圖C)線型圖D)雷達圖答案:C解析:[單選題]6.下列關于數據倉庫隨時間變化的描述不正確的是（）。A)數據倉庫隨時間的變化不斷增加新的數據內容B)捕捉到的新數據會覆蓋原來的快照C)數據倉庫隨時間變化不斷刪去舊的數據內容D)數據倉庫中包含大量的綜合數據，這些綜合數據會隨著時間的變化不斷地進行重新綜合答案:C解析:一旦某個數據進入數據倉庫以后，一般情況下將被長期保留，也就是數據倉庫中一般有大量的查詢操作，但修改和刪除操作很少，通常只需要定期的加載、刷新。[單選題]7.Flume支持監控并傳輸目錄下新增的文件,可實現實時數據傳輸,以下描述的是哪一類Source?A)httpsourceB)execsourceC)syslogsourceD)spoolingdirectorysource答案:D解析:[單選題]8.下面哪個不是Hadoop的輸出數據格式（）A)文本輸出B)二進制輸出C)單一輸出D)多輸出答案:C解析:Hadoop的輸出數據格式分為文本輸出、二進制輸出和多輸出。沒有單一輸出數據格式。/andrewgb/article/details/49668801[單選題]9.自行車用戶信息表中收集了用戶的各類信息,包括用戶的出生日期及用戶第一次購買自行車的日期。為了得到用戶第一次購買自行車的年齡,應使用()函數。A)DateDiffB)DatePartC)DatetimeToStringD)FormatDate答案:A解析:[單選題]10.表示數據分布是否為對稱性的統計量是（）。A)方差B)中位數C)偏態D)峰態答案:C解析:偏態（Skewness）描述數據分布的對稱性，當偏態系數等于0時，對應數據的分布為對稱；否則分布為非對稱。峰態（Kurtosis）描述數據分布的平峰或尖峰程度，當峰態系數等于0時，數據分布為標準正態分布；否則比正態分布更平或更尖。[單選題]11.在SVM中，若想求解非線性情況下的問題可借助于（__）。A)核函數B)激活函數C)損失函數D)優化函數答案:A解析:[單選題]12.以下關于機器學習描述錯誤的是（__）。A)機器學習的目標是使學得的模型能很好地適用于?新樣本?B)學得模型適用于新樣本的能力，稱為?泛化?能力C)具有強泛化能力的模型不能很好地適用于整個樣本空間D)一般認為，數據樣本越多，獲得的模型的泛化能力越強答案:C解析:[單選題]13.以下代碼哪個能夠打印出138-9922-0202這個電話號碼，注意格式需要完全一致？（）A)print(?138?)print(?9922?)print(?0202?)B)print(?138?,end=??)print(?9922?,end=??)print(?0202?,end=??)C)print(?138?,sep=?-?)print(?9922?,sep=?-?)print(?0202?,sep=?-?)D)print(?138?,end=?-?)print(?9922?,end=?-?)print(?0202?)答案:D解析:[單選題]14.下列表述正確的是（）。A)if語句總是與else成對出現B)if語句總是與elif成對出現C)if語句分支嵌套實現多分支D)if語句只能實現二分支答案:C解析:if語句可以成單出現也可以與elif、else實現分支嵌套功能。[單選題]15.（）在劃分屬性時是在當前結點的屬性集合中選擇一個最優屬性。A)AdaBoostB)RFC)BaggingD)傳統決策樹答案:D解析:[單選題]16.（）負責組織制定管理信息系統數據安全保護方案，并對安全保護措施技術落實情況進行檢查。A)國網安質部B)國網信通部C)網絡安全和信息化領導小組D)國網辦公廳答案:B解析:[單選題]17.關于批量數據處理組件的描述不正確的是?A)Hive:傳統SQL批處理引擎，用于處理SQL類批處理作業，使用廣泛海量數據下表現穩定，但是處理速度較慢。B)SparkSQL:新型SsQL批處理引擎，用于處理SQL類批處理作業，適合海量數據，處理速度高效。C)Spark：新型批處理引擎，可以用于處理非SQL類，尤其是數據挖掘和機器學習類批處理作業，適合海量數據，處理速度高效。D)MapReducer傳統批處理引整用于處理非SoL類，尤其是數據挖掘和機器學習類批處理作業，使用廣泛，海量數據下表現不穩定，但是處理速度較快。答案:D解析:[單選題]18.()可在保證訓練精度的情況下降低模型的復雜度。A)正則化系數無窮大B)正則化系數幾乎為0C)選擇合適的正則化參數D)以上答案都不正確答案:C解析:選擇合適的正則化參數可在保證訓練精度的情況下降低模型的復雜度。[單選題]19.下列對于查全率的描述，解釋正確的是（__）。A)統計分類器預測出來的結果與真實結果不相同的個數，然后除以總的樣例集D的個數。B)先統計分類正確的樣本數，然后除以總的樣例集D的個數。C)預測為正的樣例中有多少是真正的正樣例D)樣本中的正例有多少被預測正確答案:D解析:[單選題]20.在大數據計算服務的數據倉庫中的訂單表fact_order，建表語句如下：createtablefact_order(order_idstring,order_amtdouble,order_dtstring)partitionedby(dtstring);此表中的數據是從ods_order加工而來，ods_order建表語句如下：createtableods_order(order_idstring,order_amtbigint,order_dtstring);ods_order中有一條記錄數據值是order_idorder_amtorder_dt000110020160301運行SQL語句將數據從ods_order加載到fact_order中：insertoverwritetablefact_orderpartition(dt=?20160301?)select*fromods_order；對此語句的執行結果描述正確的是:（）。A)提交SQL時會報語法錯誤B)語句可以執行，order_amt的值會被自動的轉為double類型C)語句可以執行，但是這條數據會被當作臟數據丟棄D)目標表與源表中的數據類型不一致，執行出錯答案:B解析:[單選題]21.下面哪個RDD操作肯定是寬依賴()A)mapB)flatMapC)reduceByKeyD)sample答案:C解析:[單選題]22.若設1.啟動，2.診斷，3.建立，4.行動，5.學習，則DMM模型中的順序為(__)。A)12345B)12354C)13254D)13245答案:A解析:[單選題]23.下圖展示了StructuredStreaming的計算模型。通過觀察可以得出最終T3的計算結果是?A)Dog1,owl1B)Cat2,dog4,owl2C)Cat2,dog3,owl1D)Cat1,cat1,dog2,dog2,owl2答案:B解析:[單選題]24.以下（）不是大數據時代新興的技術。A)HadoopB)MySQLC)SparkD)HBase答案:B解析:[單選題]25.下面關于數據加工相關描述不正確的有(__)。A)數據加工是數據科學中關注的新問題之一B)數據加工是為了提升數據質量、降低數據計算復雜度C)數據科學中數據加工就是傳統數據處理D)數據脫敏屬于數據加工答案:C解析:[單選題]26.屬于有監督學習的是()A)、k-meA、nB)、主成分分析C)、關聯規則分析D)、線性回歸答案:D解析:[單選題]27.關于實時檢索技術的應用場景，以下描述中錯誤的是哪一個選項?A)公安系統數據量大、業務要求復雜，因此無法借助實時檢索技術提高處警效率B)實時檢索要求在小批量數據集上需達到毫秒級的時延C)在金融風控場景中，利用實時檢索技術，客戶可以在發生危險交易前及時上損D)運營商可以借助實時檢索技術，查詢某個時間段用戶的流量記錄，以應對不良APP偷跑流量引發的投訴答案:A解析:[單選題]28.scipy.stats模塊中對隨機變量進行隨機取值的函數是（）。A)rvsB)pdfC)cdfD)sf答案:A解析:stats模塊中的rvs函數對隨機變量進行取值。[單選題]29.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取那組值時x=3()A)3,4,5B)3,4C)5,6,7D)4,5答案:A解析:[單選題]30.從訓練數據中學習出一組能用于對未見示例進行判別的規則，這個過程稱為（__)。A)機器學習B)規則學習C)直推學習D)主動學習答案:B解析:[單選題]31.preprocessing.Normalizer表示(__)。A)一個函數B)一個參數C)一個類D)一個變量答案:C解析:[單選題]32.將兩篇文本通過詞袋模型變為向量模型，通過計算向量的（）來計算兩個文本間的相似度。A)正弦距離B)余弦距離C)長度D)方向答案:B解析:[單選題]33.文件book.txt在當前程序所在目錄內，其內容是一段文本：book，下面代碼的輸出結果是:txt=open("book.txt","r")print(txt)txt.close()A)book.txtB)txtC)bookD)以上答案都不對答案:D解析:[單選題]34.將Python中的.py文件轉換為.pyc文件的組件為（）。A)編輯器B)編譯器C)虛擬機D)解釋器答案:B解析:將Python中的.py文件轉換為.pyc文件的組件為編譯器。[單選題]35.下面組件哪個是負布式資源調度與管理的：（）A)YARNB)FIumeC)ZookeeperD)Kafka答案:A解析:[單選題]36.DRDS的讀策略中不包含：（）A)主庫讀B)均衡C)自定義D)主庫寫答案:D解析:[單選題]37.下列選項中，主要用于決定整個MapReduce程序性能高低的階段是（）A)MapTaskB)ReduceTaskC)分片、格式化數據源D)Shuffle答案:D解析:Rack是用來存放部署Hadoop集群服務器的機架[單選題]38.ETL工具工作過程不包含以下哪項?A)清洗B)傳遞C)加載D)轉換答案:B解析:[單選題]39.對于SVM分類算法,待分樣本集中的大部分樣本不是支持向量,下列說法正確的是()。A)需要將這些樣本全部強制轉換為支持向量B)需要將這些樣本中可以轉化的樣本轉換為支持向量.不能轉換的直接刪除C)移去或者減少這些樣本對分類結果沒有影響D)以上都不對答案:C解析:支持向量機的一個重要性質:訓練完成后,大部分的訓練樣本都不需保留,最終模型僅與支持向量有關。[單選題]40.（__)是一種著名的過濾式特征選擇方法。A)k-meansB)k近鄰C)支持向量機D)Relief答案:D解析:[單選題]41.在大數據計算服務（MaxCompute，原ODPS）的表中存有一批網站及其相互之間鏈接關系，開發人員希望通過pagerank算法來分析這批網站的排名，即把網站看做節點，把網站之間的連接關系看做權重，從而實現對網站的評分。（）計算框架更適合實現這個場景。A)SQLB)MapReduceC)GraphD)Tunnel答案:C解析:[單選題]42.下列關于數據創新的說法正確的是（）。A)多個數據集的總和價值等于單個數據集價值相加B)由于數據的再利用，數據應該永久保存下去C)相同數據多次用于相同或類似用途，其有效性會降低D)數據只有開放價值才可以得到真正釋放答案:D解析:略。[單選題]43.刪除經銷商1018的數據記錄的代碼為()fromdistributorswheredistri_num=1018A)droptableB)delete*C)dropcolumnD)delete答案:D解析:[單選題]44.大數據的起源是（）A)金融B)電信C)互聯網D)公共管理答案:C解析:[單選題]45.python3中round(15.5)與round(16.5)的結果分別為()。A)16，16B)16，17C)17，16D)17，17答案:A解析:[單選題]46.一般將原始業務數據分為多個部分,()用于模型的構建。A)訓練集B)測試集C)驗證集D)全部數據答案:A解析:訓練集、測試集和驗證集的功能分別為訓練(構建)模型、測試模型以及模型選擇與超級參數的調優。[單選題]47.關于Kafka盤容量不足的告警，對于可能的原因以下分析不正確的是？A)用于存儲Kafka數據的磁盤配置(如磁盤數目、磁盤大小等)無法滿足當前業務數據流量，導致磁盤使用率達到上限B)數據保存時間配置過長，數據累積達到磁盤使用率上限C)業務規劃不合理，導致數據分配不均，使部分磁盤達到使用率上限。D)Broker節點故障導致答案:D解析:[單選題]48.數據倉庫僅僅是提供存儲的，提供一種（）的服務，不面向最終分析用戶:而數據集市是（）的，面向最終用戶。A)面向分析應用、面向數據管理B)面向事務交互、面向數據管理C)面向數據管理、面向分析應用D)面向分析應用、面向事務交互答案:A解析:[單選題]49.在邏輯回歸輸出與日標對比的情況下，以下評估指標中()不適用A)AUC-ROCB)準確度C)LoglossD)均方誤差答案:D解析:[單選題]50.網站在運過程中,會有用戶訪問并產生行為數據，要想對這些數據進行處理挖掘,如果是高線批處理下的方案配置,描述不正確的是A)球據存儲:HDFS或MySqlB)數據導入導出:LoaderC)數據采集傳輸:FlumeD)數據計算:Storm答案:D解析:[單選題]51.Hadoop的作者是下面哪一位______。A)MartinFowlerB)DougcuttingC)KentBeckD)GraceHopper答案:B解析:A.MartinFowler【敏捷開發方法論-軟件開發教父】B.Dougcutting【Hadoop作者，道格·卡廷】C.KentBeck【極限編程，測試驅動開發，實現模式】D.GraceHopper【Cobol語言之母，發明世界上第一個編譯器】[單選題]52.ResultScanner無參的next()方法返回下一個可用的行組成的Result實例，含參的next(rows)方法返回（）A)一個Result實例B)一個Result實例數組C)一個整型D)以上都不正確答案:B解析:[單選題]53.對于隨機森林和GradientBoostingTrees,下面說法正確的是:A)在隨機森林的單個樹中,樹和樹之間是有依賴的,而GradientBoostingTrees中的單個樹之間是沒有依賴的B)這兩個模型都使用隨機特征子集,來生成許多單個的樹C)我們可以并行地生成GradientBoostingTrees單個樹,因為它們之間是沒有依賴的D)GradientBoostingTrees訓練模型的表現總是比隨機森林好答案:B解析:[單選題]54.()用于說明在父RDD上執行何種計算。A)分區B)算子C)日志D)數據塊答案:B解析:第2部分：多項選擇題，共23題，每題至少兩個正確答案,多選或少選均不得分。[多選題]55.HBase的數據文件HFile中一個KeyValue格式包括哪些信息A)KeyB)ValueC)TimeStampD)KeyType答案:ABCD解析:[多選題]56.在FusionInsight產品中,關于Kafka組件說法正確的是?A)在創建Topic時,副本數不得大于當前存活的Broker實例個數,否則創建Topic將會失敗B)Kafka的Producer發送消息時,可以指定該消息被哪個Consumer消費C)Kafka會將元數據信息存放到Zookeeper上D)Kafka安裝完成后就不能再配置數據存放目錄答案:ACD解析:[多選題]57.下列關于Explain的關鍵字描述正確的是（）A)在Explain的基礎上，通過添加Analyze同時顯示該語句執行時每個算子的實際開銷（單位B毫秒）和行數信息，對于判斷優化器的估算是否準確提供依據。B)在Explain的基礎上，添加Verbose顯示出計劃的額外詳細信息，包括每個算子的輸出列，重分布算子的分布列等。C)Explain通過指定option選項參數FORMAT來指定輸出格式，默認是text格式。D)在Explain的基礎上，添加Performance顯示出計劃的額外詳細信息，包括每個算子的輸出列，重分布算子的分布列等。答案:ABC解析:[多選題]58.大數據計算服務中，表ods_sale_detail存放的是銷售明細記錄，建表語句如下：createtableods_sale_detail(sale_datedatetime,regionstring,amtdecimal);其中sale_date字段表示銷售的日期，amt表示銷售金額，想要找出所有匯總銷售額大于10000的日期以及當日的銷售額，以下（）SQL可以達到這個目的。A)selectsale_date,sum(amt)fromods_sale_detailgroupbysale_datewhereamt>10000；B)selectsale_date,sum(amt)fromods_sale_detailgroupbysale_datewheresum(amt)>10000；C)selectsale_date,sum(amt)fromods_sale_detailgroupbysale_datehavingsum(amt)>10000；D)select*from(selectsale_date,sum(amt)s_amtfromsale_dategroupbysale_date)subwheres_amt>10000;答案:CD解析:[多選題]59.關于自頂向下的設計過程，以下選項錯誤的是()。A)在總體設計之前就已經解決了程序設計的細節B)僅解決程序的細節C)計劃的總體設計在細節之前就已解決D)僅解決程序設計問題答案:ABD解析:[多選題]60.（）可以做LSTM學習。A)MATLABB)tensorflowC)kreasD)word答案:ABC解析:[多選題]61.在FusionInsight集群規劃時，以下哪些集群命名是系統允許的？A)FusionInsight-123B)FusionInsight_123C)FusionInsight123D)123FusionInsight答案:BCD解析:[多選題]62.Python的優點有（）。A)變量不用預定義類型B)數據結構功能強大C)語言可解釋性強D)變量類型固定答案:ABC解析:Python變量在使用前不必定義變量類型。[多選題]63.Redis應用開發在之激動業務目標時需要考慮以下哪些因素?A)數據量B)讀寫性能C)數據質量D)持久化答案:ABD解析:[多選題]64.Hadoop的特性主要包括：()A)高可靠性B)高可擴展性C)高容錯性D)成本高答案:ABC解析:[多選題]65.根據《大數據風控平臺項目操作手冊》，日常工作提示（預警）中，新增（）3種工作提示預警。A)近30天存在外部風險信息B)貸后風險預警提示C)存在可引入的集團家譜D)待處理的征信申請處置答案:ABC解析:[多選題]66.下列屬于樸素貝葉斯分類器的特點的是（__）。A)樸素貝葉斯模型假設屬性之間相互關聯B)算法邏輯簡單，易于實現C)實際問題中，運用拉普拉斯修正避免了因訓練樣本不充分導致概率估計值為0的問題。D)分類過程中時空開銷小答案:BCD解析:[多選題]67.RDD的特征有:A)readonlyB)partitionC)distributionD)fault-tolerance答案:ABCD解析:[多選題]68.下面系統中屬于關系數據庫管理系統的是()A)MS_SQLSERVERB)OracleC)IMSD)DB2答案:ABD解析:[多選題]69.HBase中包含的一些典型的Filter有哪些?A)SingleColumnValueFilterB)FilterListC)RowFilterD)KeyOnlyFilter答案:ABCD解析:[多選題]70.數據科學基本原則中，蘭世界原則指的是()A)精神世界B)數據世界C)物理世界D)數字世界答案:ABC解析:[多選題]71.關于梯度消失和梯度爆炸，以下說法正確的是:()A)根據鏈式法則，如果每一層神經元對上一層的輸出的偏導乘上權重結果都小于1的話，那么即使這個結果是0.99，在經過足夠多層傳播之后，誤差對輸入層的偏導會趨于0B)可以采用ReLU激活函數有效地解決梯皮消失的情況C)根據鏈式法則，如果每一層神經元對上一層的輸出的偏導乘上權重結果都大于1的話，在經過足夠多層傳播之后，誤差對輸入層的偏導會趨于無窮大D)可以通過減小初始權重矩陣的值來緩解棉度爆炸數也是0-1的數，其連乘后，結果會變得很小，導致梯度消失。若我們初始化的w是很大答案:ABCD解析:[多選題]72.下列說法正確的是()。A)在Map階段對輸入文件的每個內容都解析成一個鍵值對B)在生成每個鍵值對時僅調用一次map函數C)在map函數中，接受一個鍵值對，并陳勝一組中間鍵值對D)在shuffle階段將所有具有相同鍵的鍵值對發送給同一個reduce函數答案:ABCD解析:[多選題]73.Kafka每個Partition在物理上對應的文件夾下存儲哪些文件?A)素引文件B)配置文件C)用戶文件D)消息文件答案:BC解析:[多選題]74.對于顯示操作以下說法正確的是（）A)showdatabase；顯示所有數據庫B)showtable；顯示所有表C)showtables；顯示所有表D)showdatabases；顯示所有數據庫答案:CD解析:[多選題]75.大數據偏見包括()。A)數據源的選擇偏見B)算法與模型偏見C)結果解讀方法的偏見D)數據呈現方式的偏見答案:ABCD解析:大數據偏見是數據科學項目中必須關注和加以避免的問題,上述四個活動中均可能出現偏見。[多選題]76.下列選項是數值數據類型（即可用于算術表達式）的有（）。A)0xffB)99C)122D)"1002"答案:ABC解析:D為字符串類型。[多選題]77.以下屬于HBase特性的有（）【選三項】A)可靠性B)高效性C)面向行D)可伸縮以及可在廉價PCServer搭建大規模結構化存儲集群答案:ABD解析:第3部分：判斷題，共16題，請判斷題目是否正確。[判斷題]78.阿里云MaxComputeSQL中，位運算也可以支持隱式類型轉換。A)正確B)錯誤答案:錯解析:[判斷題]79.()一句delete語句能刪除多行。A)正確B)錯誤答案:對解析:[判斷題]80.互聯網是收集大數據的唯一途徑A)正確B)錯誤答案:錯解析:[判斷題]81.文本文件是可以迭代的，可以使用forlineinfp類似的語句遍歷文件對象fp中的每一行。A)正確B)錯誤答案:對解析:[判斷題]82.以追加模式打開文件時，文件指針指向文件尾。A)正確B)錯誤答案:對解析:[判斷題]83.如果僅僅是用于控制循環次數，那么使用foriinrange(20)和foriinrange(20,40)的作用是等價的。A