2022年大數(shù)據(jù)應(yīng)用知識考試題庫（含答案）

PAGEPAGE2122022年大數(shù)據(jù)應(yīng)用知識考試題庫（含答案）一、單選題1.圖像平滑會造成()。A、圖像邊緣模糊化B、圖像邊緣清晰化C、無影響D、以上答案都不正確答案：A解析：為了抑制噪聲,使圖像亮度趨于平緩的處理方法就是圖像平滑。圖像平滑實際上是低通濾波,平滑過程會導致圖像邊緣模糊化。2.關(guān)于Spark的說法中,()是錯誤的。A、采用內(nèi)存計算模式B、可利用多種語言編程C、主要用于批處理D、可進行map()操作答案：C解析：HadoopMapReduce主要用于批處理,與Hadoop不同的是,Spark更為通用一些,可以很好地支持流計算、交互式處理、圖計算等多種計算模式。3.以下關(guān)于代碼規(guī)范描述,哪些是錯誤的()。A、類總是使用駝峰格式命名,即所有單詞首字母大寫其余字母小寫。B、除特殊模塊__init__之外,模塊名稱都使用不帶下劃線的小寫字母。C、不要濫用*args和**kwargsD、建議把所有方法都放在一個類中答案：D解析：以下關(guān)于代碼規(guī)范描述,把所有方法都放在一個類中是錯誤的。4.下面關(guān)于詞袋模型說法錯誤的是()。A、詞袋模型使用一個多重集對文本中出現(xiàn)的單詞進行編碼B、詞袋模型不考慮詞語原本在句子中的順序C、詞袋模型可以應(yīng)用于文檔分類和檢索,同時受到編碼信息的限制D、詞袋模型產(chǎn)生的靈感來源于包含類似單詞的文檔經(jīng)常有相似的含義答案：C解析：文本處理基礎(chǔ)知識。5.對數(shù)值型輸出,最常見的結(jié)合策略是()。A、投票法B、平均法C、學習法D、排序法答案：B解析：對數(shù)值型輸出,最常見的結(jié)合策略是平均法。6.以下有關(guān)計算機編程語言說法錯誤的是()。A、編程語言是用于書寫計算機程序的語言;B、計算機語言可分為機器語言、匯編語言、高級語言;C、計算機能識別和執(zhí)行所有編程語言寫的程序;D、C/C++、pascal、javpython都屬于高級編程語言;答案：C解析：只有機器語言才能被計算機直接識別,Python等高級語言源程序,不能直接運行,必須翻譯成機器語言才能執(zhí)行。7.Python中Statsmodel庫和()庫關(guān)系密切。A、NumpyB、ScipyC、jiebaD、Pandas答案：D解析：Statsmodels建立在pandas之上。8.以下屬于考慮詞語位置關(guān)系的模型有()。A、詞向量模型B、詞袋模型C、詞的分布式表示D、TF-IDF答案：A解析：詞向量模型考慮通過中間詞預(yù)測鄰近詞,需要考慮詞語順序位置。9.建立一個詞典[Alex,wants,to,go,play,football,shopping],下面的句子:Alexwantstogotoplayfootball可以用向量表示為()。A、[1,1,2,1,1,1,0]B、[1,1,2,1,1,1]C、[1,1,1,1,1,1,0]D、[1,1,1,1,1,1,1]答案：A解析：向量中每個元素代表該詞在句中出現(xiàn)的次數(shù),比如to在句中出現(xiàn)兩次,所以第3個元素應(yīng)為2。10.()是指給目標用戶產(chǎn)生的錯誤或不準確的視覺感知,而這種感知與數(shù)據(jù)可視化者的意圖或數(shù)據(jù)本身的真實情況不一致。A、視覺假象B、視覺認知C、視覺感知D、數(shù)據(jù)可視答案：A解析：視覺假象(VisualIllusion)是數(shù)據(jù)可視化工作中不可忽略的特殊問題。視覺假象是指給目標用戶產(chǎn)生的錯誤或不準確的視覺感知,而這種感知與數(shù)據(jù)可視化者的意圖或數(shù)據(jù)本身的真實情況不一致。視11.以下濾波器對圖像中的椒鹽噪聲濾波效果最好的是()。A、中值濾波B、均值濾波C、最大值濾波D、最小值濾波答案：A解析：中值濾波對圖像椒鹽噪聲的濾波效果最好。12.以下哪種方法不能成功創(chuàng)建一個數(shù)組()。A、a=np.array([1,2,3,4])B、b=np.zeros((3,4))C、c=np.ones(1,2,3,4)D、d=np.arange(10,30,5)答案：C解析：ones()函數(shù)必須傳入一個數(shù)組類型的維度參數(shù)所表示的序列,如列表或元組,所以C無法成功創(chuàng)建數(shù)組,改為np.ones((1,2,3,4))就可以。13.MapReduce中,Shuffle操作的作用是()。A、合并B、排序C、降維D、分區(qū)答案：B解析：Shuffle—確保每個reduce()函數(shù)的輸入都按鍵排序。14.一個MapReduce程序中的MapTask的個數(shù)由什么決定()A、輸入的總文件數(shù)B、客戶端程序設(shè)置的mapTask的個數(shù)C、FileInputFormat.getSplits(JobContextjob)計算出的邏輯切片的數(shù)量D、輸入的總文件大小/數(shù)據(jù)塊大小答案：C解析：MapReduce編程模型中的mapTask的并行度決定機制是由FileInputFormat.getSplits(JobContextjob)決定的。該方法的返回值是List<InputSplit>splits,這個結(jié)果集合中的每個InputSplit就是一個邏輯輸入切片,每個邏輯輸入切片在默認情況下是會要啟動一個MapTask任務(wù)進行計算的,因此C對。15.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(zhuǎn)換為支持向量B、需要將這些樣本中可以轉(zhuǎn)化的樣本轉(zhuǎn)換為支持向量,不能轉(zhuǎn)換的直接刪除C、移去或者減少這些樣本對分類結(jié)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(zhì):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(guān)。16.下列對于sigmoid函數(shù)的說法,錯誤的是()A、存在梯度爆炸的問題B、不是關(guān)于原點對稱C、計算exp比較耗時D、存在梯度消失的問題答案：A解析：對于sigmoid函數(shù),S型函數(shù)圖像向兩邊的斜率逼近0,因此隨著網(wǎng)絡(luò)層增加,梯度消失比梯度爆炸更容易發(fā)生的多。17.決策樹模型的規(guī)模應(yīng)當是()。A、越復(fù)雜越好B、越簡單越好C、適當限制其復(fù)雜程度D、盡可能利用所有特征答案：C解析：決策樹模型的規(guī)模復(fù)雜可能產(chǎn)生過擬合,因此并非越復(fù)雜做好,應(yīng)適當限制其復(fù)雜程度。18.在Windows系統(tǒng)中,關(guān)閉Python終端會話常用快捷鍵是()。A、Ctrl+CB、Ctrl+DC、Ctrl+ED、Ctrl+Z答案：D解析：在Windows系統(tǒng)中,關(guān)閉Python終端會話常用快捷鍵是Ctrl+Z。19.數(shù)據(jù)可視化的本質(zhì)是()。A、將數(shù)據(jù)轉(zhuǎn)換為知識B、將知識轉(zhuǎn)換為數(shù)據(jù)C、將數(shù)據(jù)轉(zhuǎn)換為信息D、將信息轉(zhuǎn)換為智慧答案：A解析：可視化分析學模型認為,數(shù)據(jù)可視化的本質(zhì)是將數(shù)據(jù)轉(zhuǎn)換為知識,而不能僅僅停留在數(shù)據(jù)的可視化呈現(xiàn)層次之上,并提出從數(shù)據(jù)到知識的轉(zhuǎn)換途徑有兩個:一是可視化分析,另一個是自動化建模。20.在HDFS中()是文件系統(tǒng)的工作節(jié)點。A、DataNodeB、ClientC、NameNodeD、Flume答案：A解析：數(shù)據(jù)節(jié)點(DataNode)是分布式文件系統(tǒng)HDFS的工作節(jié)點,負責數(shù)據(jù)的存儲和讀取,會根據(jù)客戶端或者是名稱節(jié)點的調(diào)度來進行數(shù)據(jù)的存儲和檢索,并且向名稱節(jié)點定期發(fā)送自己所存儲的塊的列表。每個數(shù)據(jù)節(jié)點中的數(shù)據(jù)會被保存在各自節(jié)點本地Linux文件系統(tǒng)中。21.圖像中虛假輪廓的出現(xiàn)就其本質(zhì)而言是()。A、圖像的灰度級數(shù)不夠多而造成的B、圖像的空間分辨率不夠高而造成的C、圖像的灰度級數(shù)過多而造成的D、圖像的空間分辨率過高而造成的答案：A解析：圖像中的虛假輪廓最易在平滑區(qū)域內(nèi)產(chǎn)生。平滑區(qū)域內(nèi)灰度應(yīng)緩慢變化,但當圖像的灰度級數(shù)不夠多時會產(chǎn)生階躍。所以圖像中虛假輪廓的出現(xiàn)就其本質(zhì)而言是圖像的灰度級數(shù)不夠多而造成的,選A。22.對于數(shù)據(jù)3,3,2,3,6,3,10,3,6,3,2.①這組數(shù)據(jù)的眾數(shù)是3;②這組數(shù)據(jù)的眾數(shù)與中位數(shù)的數(shù)值不相等;③這組數(shù)據(jù)的中位數(shù)與平均數(shù)的數(shù)值不相等;④這組數(shù)據(jù)的平均數(shù)與眾數(shù)的數(shù)值相等.其中正確結(jié)論的個數(shù)為()。A、1B、2C、3D、4答案：B解析：眾數(shù)是指一組中出現(xiàn)次數(shù)最多的數(shù),中位數(shù)是按順序排列的一組數(shù)據(jù)中居于中間位置的數(shù),平均值是各數(shù)值加總求和再除以總的個數(shù)。此題中眾數(shù)為3,中位數(shù)為3,平均值為4,故①和③正確。23.文本信息往往包含客觀事實和主觀情感,對于文本的情感分析主要是識別文章中的主觀類詞語,其中()不適用于情感分析。A、表達觀點的關(guān)鍵詞B、表達程度的關(guān)鍵詞C、表達情緒的關(guān)鍵詞D、表達客觀事實的關(guān)鍵詞答案：D解析：D中表達客觀事實的關(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、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。24.scipy.stats.moment函數(shù)的作用是()。A、隨機變量的概率密度函數(shù)B、隨機變量的累積分布函數(shù)C、隨機變量的生存函數(shù)D、計算分布的非中心矩答案：D25.以下哪些算法是基于規(guī)則的分類器()。A、C4.5B、KNNC、NaiveBayesD、ANN答案：A解析：基于規(guī)則的分類器有決策樹、隨機森林、Aprior。26.scipy.stats模塊中對隨機變量進行隨機取值的函數(shù)是()。A、rvsB、pdfC、cdfD、sf答案：A解析：stats模塊中每個分布都rvs函數(shù),對隨機變量取值。27.以下不屬于大數(shù)據(jù)重要意義的是()。A、大數(shù)據(jù)成為推動經(jīng)濟轉(zhuǎn)型發(fā)展的新動力B、大數(shù)據(jù)成為重塑國家競爭優(yōu)勢的新機遇C、大數(shù)據(jù)成為提升政府治理能力的新途徑D、大數(shù)據(jù)會增加經(jīng)濟發(fā)展的成本答案：D解析：大數(shù)據(jù)可以促進經(jīng)濟的發(fā)展,催生新的業(yè)態(tài),在輔助商業(yè)的決策、降低運營成本、精準市場的營銷方面都能發(fā)揮作用,進一步提升企業(yè)競爭力。28.Spark那個組件用于支持實時計算需求()。A、SparkSQLB、SparkStreamingC、SparkGraphXD、SparkMLLib答案：B解析：SparkStreaming用于實時處理。29.Mapreduce適用于()A、任意應(yīng)用程序B、任意可在windowsservet2008上運行的程序C、可以串行處理的應(yīng)用程序D、可以并行處理的應(yīng)用程序答案：D解析：Mapreduce適用于并行處理的應(yīng)用程序30.使用Numpy讀取csv文件應(yīng)使用以下哪個函數(shù)()。A、save()B、read_csv()C、loadtxt()D、open()答案：C解析：Numpy中設(shè)有讀取csv文件的函數(shù),使用np.loadtxt可讀取csv文件。31.讀代碼,請寫出程序正確的答案()。

#!/usr/bin/envpython3

N=100

Sum=0

Counter=1

Whilecounter<=n:

Sum+counter

Counter+=1

Print("1到%d之和為:%d"%(n,sum))A、結(jié)果:1到100之和為:5000B、結(jié)果:1到100之和為:0C、結(jié)果:1到100之和為:2050D、結(jié)果:1到100之和為:5020答案：B解析：循環(huán)中沒有給sum賦值,故sum=032.以下哪個參數(shù)可以使數(shù)組計算沿指定軸進行應(yīng)用操作()。A、axisB、inplaceC、dataD、dtype答案：A解析：通過指定axis參數(shù),可以沿數(shù)組的指定軸應(yīng)用操作。33.PageRank是一個函數(shù),它對Web中的每個網(wǎng)頁賦予一個實數(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、越重要答案：D解析：PageRank認為,如果A頁面有一個鏈接指向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,如果一個頁面的反向鏈接越多,再根據(jù)這些鏈接的價值加權(quán)越高,那搜索引擎就會判斷這樣的頁面更為重要。34.機器學習中L1正則化和L2正則化的區(qū)別是()。A、使用L1可以得到稀疏的權(quán)值,使用L2可以得到平滑的權(quán)值B、使用L1可以得到平滑的權(quán)值,使用L2可以得到平滑的權(quán)值C、使用L1可以得到平滑的權(quán)值,使用L2可以得到稀疏的權(quán)值D、使用L1可以得到稀疏的權(quán)值,使用L2可以得到稀疏的權(quán)值答案：A解析：使用L1可以得到稀疏的權(quán)值,使用L2可以得到平滑的權(quán)值。35.下面哪個操作是窄依賴()A、joinB、filterC、groupD、sort答案：B解析：spark中常見的窄依賴操作包括map,filer,union,sample等,寬依賴的操作包括reducebykey,groupbykey,join等。36.數(shù)據(jù)科學中,人們開始注意到傳統(tǒng)數(shù)據(jù)處理方式中普遍存在的“信息丟失”現(xiàn)象,進而數(shù)據(jù)處理范式從()轉(zhuǎn)向()。A、產(chǎn)品在先,數(shù)據(jù)在后范式;數(shù)據(jù)在先,產(chǎn)品在后范式或無模式B、模式在先,產(chǎn)品在后范式;產(chǎn)品在先,模式在后范式或無模式C、數(shù)據(jù)在先,模式在后范式或無模式;模式在先,數(shù)據(jù)在后范式D、模式在先,數(shù)據(jù)在后范式;數(shù)據(jù)在先,模式在后范式或無模式答案：D解析：傳統(tǒng)關(guān)系數(shù)據(jù)庫中,先定義模式,然后嚴格按照模式要求存儲數(shù)據(jù);當需要調(diào)整模式時,不僅需要數(shù)據(jù)結(jié)構(gòu),而且還需要修改上層應(yīng)用程序。然而,NoSQL技術(shù)則采用了非常簡單的Key-Value等模式在后(SchemaLater)和無模式(Schemaless)的方式提升了數(shù)據(jù)管理系統(tǒng)的自適應(yīng)能力。當然,模式在后(SchemaLater)和無模式(Schemaless)也會帶來新問題,如降低了數(shù)據(jù)管理系統(tǒng)的數(shù)據(jù)處理能力。37.假如我們使用非線性可分的SVM目標函數(shù)作為最優(yōu)化對象,我們怎么保證模型線性可分()。A、設(shè)C=1B、設(shè)C=0C、設(shè)C=無窮大D、以上答案都不正確答案：C解析：C無窮大保證了所有的線性不可分都是可以忍受的。38.假定你現(xiàn)在訓練了一個線性SVM并推斷出這個模型出現(xiàn)了欠擬合現(xiàn)象,在下一次訓練時,應(yīng)該采取下列什么措施()A、增加數(shù)據(jù)點B、減少數(shù)據(jù)點C、增加特征D、減少特征答案：C解析：欠擬合是指模型擬合程度不高,數(shù)據(jù)距離擬合曲線較遠,或指模型沒有很好地捕捉到數(shù)據(jù)特征,不能夠很好地擬合數(shù)據(jù)。可通過增加特征解決。39.兩個變量相關(guān),它們的相關(guān)系數(shù)r可能為0。這句話是否正確()A、正確B、錯誤答案：A解析：Pearson相關(guān)系數(shù)r=0,這表示兩個變量間不存在線性相關(guān)關(guān)系。40.一幅數(shù)字圖像是()。A、一個觀測系統(tǒng)B、一個由許多像素排列而成的實體C、一個2-D數(shù)組中的元素D、一個3-D空間中的場景答案：C解析：數(shù)字圖像,又稱數(shù)碼圖像或數(shù)位圖像,是二維圖像用有限數(shù)字數(shù)值像素的表示。41.執(zhí)行以下代碼段

Print(bool('False'))

Print(bool())

時,輸出為()。A、TrueTrueB、TrueFalseC、FalseTrueD、FalseFalse答案：B解析：這里‘False’只是字符串42.以下說法正確的是:()。1.一個機器學習模型,如果有較高準確率,總是說明這個分類器是好的2.如果增加模型復(fù)雜度,那么模型的測試錯誤率總是會降低3.如果增加模型復(fù)雜度,那么模型的訓練錯誤率總是會降低A、1B、2C、3D、1and3答案：C解析：如果增加模型復(fù)雜度,那么模型的測試錯誤率總是會降低,訓練錯誤率可能降低,也可能增高。43.從網(wǎng)絡(luò)的原理上來看,結(jié)構(gòu)最復(fù)雜的神經(jīng)網(wǎng)絡(luò)是()。A、卷積神經(jīng)網(wǎng)絡(luò)B、長短時記憶神經(jīng)網(wǎng)絡(luò)C、GRUD、BP神經(jīng)網(wǎng)絡(luò)答案：B解析：從網(wǎng)絡(luò)的原理上來看,結(jié)構(gòu)最復(fù)雜的神經(jīng)網(wǎng)絡(luò)是LSTM。44.txt=open(filename)返回的是()。A、變量B、常數(shù)C、文件內(nèi)容D、文件對象答案：D解析：txt=open(filename)返回的是文件對象。45.pipinstallscipy==1.7與pipinstallscipy兩者的區(qū)別是()。A、兩者作用一樣B、前者安裝指定版本的包,后者安裝最新版本的包C、前者安裝指定版本的包,后者安裝隨機版本的包D、以上答案都不正確答案：B解析：pipinstallscipy==1.7與pipinstallscipy兩者的區(qū)別是前者安裝指定版本的包,后者安裝最新版本的包。46.若arr=np.array([[1,2,3,],[4,5,6,],[7,8,9,]]),則arr[:2,1:]的輸出為()。A、([[2,3],[5,6]])B、([[1][6]])C、([[5,6],[8,9]])D、([[1,2],[4,5]])答案：A解析：索引時如果不指定冒號旁邊的數(shù)值,則默認從開頭開始或至結(jié)尾結(jié)束。47.以下不能創(chuàng)建一個字典的語句是()。A、dict1={}B、dict2={3:5}C、dict3={[1,2,3]:“uestc”}D、dict4={(1,2,3):“uestc”}答案：C解析：字典key不可以是可變類型48.LSTM中,(__)的作用是確定哪些新的信息留在細胞狀態(tài)中,并更新細胞狀態(tài)。A、輸入門B、遺忘門C、輸出門D、更新門答案：A解析：LSTM中,輸入門的作用是確定哪些新的信息留在細胞狀態(tài)中,并更新細胞狀態(tài);遺忘門決定我們會從細胞狀態(tài)中丟棄什么信息;輸出門確定輸出。49.Matplotlib的核心是面向()。A、過程B、對象C、結(jié)果D、服務(wù)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。50.正確導入日期模塊的語句()。A、importdateB、importdatetimeC、importtimeD、importdate_time答案：B解析：導入日期模塊的語句是importdatetime51.診斷性分析主要采取的分析方法是()和()。A、關(guān)聯(lián)分析和因果分析法B、關(guān)聯(lián)分析和分類分析法C、關(guān)聯(lián)分析和運籌學D、因果分析和分類分析法答案：A解析：診斷性分析主要關(guān)注過去,回答為什么發(fā)生,主要采用關(guān)聯(lián)分析法和因果分析法。52.為了降低MapReduce兩個階段之間的數(shù)據(jù)傳遞量,一般采用()函數(shù)對map階段的輸出進行處理。A、sort()B、biner()C、join()D、gather()答案：B解析：為了降低數(shù)據(jù)傳遞量,采用biner()函數(shù)對map()函數(shù)的數(shù)據(jù)結(jié)果進行合并處理。53.IDLE環(huán)境的退出命令是()。A、exit()B、回車鍵C、close()D、esc()答案：A解析：IDLE使用exit()退出環(huán)境。54.反轉(zhuǎn)二維數(shù)組arr的行arr=np.arange(9).reshape(3,3)A、arr[::-1]B、arr[::-2]C、arr[::1]D、arr[::0]答案：A解析：::-1進行反轉(zhuǎn)。55.要彌補缺失值,可以使用均值,中位數(shù),眾數(shù)等等,preprocessing模塊中那個方法可以實現(xiàn)()。A、preprocessing.Imputer()B、preprocessing.PolynomialFeatures()C、preprocessing.FunctionTransformer()D、preprocessing.Binarizer()答案：A解析：要彌補缺失值,可以使用均值,中位數(shù),眾數(shù)等等,preprocessing中Imputer方法可以實現(xiàn)。56.在當前圖形上添加一個子圖需要用到哪個方法()。A、pyplot.stackplot()B、pyplot.suptitle()C、pyplot.subplot()D、pyplot.imshow()答案：C解析：matplotlib.pyplot.subplot()的作用是在當前圖形上添加一個子圖。57.下面哪個是滿足期望輸出的代碼()。

Arr=np.array([0,1,2,3,4,5,6,7,8,9])

期望輸出:array([1,3,5,7,9])A、arr%2==1B、arr[arr%2==1]C、arr[arr/2==1]D、arr[arr//2==1]答案：B解析：題中的結(jié)果是選取了原數(shù)組的奇數(shù),先使用數(shù)組進行邏輯判斷得到一個邏輯數(shù)組,然后以其作為索引選取數(shù)據(jù)。58.A=np.array([[1,1],[0,1]]),B=np.array([[2,0],[3,4]]),A*B的結(jié)果是()。A、[[2,0],[0,4]]B、[[5,4],[3,4]]C、[[3,4],[5,4]]D、無法計算答案：A解析：Numpy數(shù)組的乘法計算分為兩種:一種是矩陣正常相乘,代碼實現(xiàn)為AB或A.dot(B),一種是每個元素對應(yīng)相乘,表現(xiàn)方式為A*B,本題所問的是后一種。59.下列哪種算法可以用神經(jīng)網(wǎng)絡(luò)構(gòu)建?(__)1.K-NN最近鄰算法2.線性回歸3.邏輯回歸A、1and2B、2and3C、1,2and3D、Noneoftheabove答案：B解析：KNN是關(guān)于距離的學習算法,沒有任何參數(shù),所以無法用神經(jīng)網(wǎng)絡(luò)構(gòu)建。60.matplotlib中的調(diào)用堆積折線圖的函數(shù)是什么()。A、step()B、stackplot()C、plusplot()D、hist()答案：B解析：stackplot用于繪制堆疊折線圖。61.信息增益對可取值數(shù)目()的屬性有所偏好,增益率對可取值數(shù)目()的屬性有所偏好。A、較高,較高B、較高,較低C、較低,較高D、較低,較低答案：B解析：信息增益準則對可取值數(shù)目較多的屬性有所偏好,增益率對可取值數(shù)目較少的屬性有所偏好。62.數(shù)組分割使用以下哪個函數(shù)()。A、vstack()B、hstack()C、split()D、view()答案：C解析：np.split()的作用是把一個數(shù)組從左到右按順序切分。63.關(guān)于基本數(shù)據(jù)的元數(shù)據(jù)是指()。A、基本元數(shù)據(jù)與數(shù)據(jù)源,數(shù)據(jù)倉庫,數(shù)據(jù)集市和應(yīng)用程序等結(jié)構(gòu)相關(guān)的信息B、基本元數(shù)據(jù)包括與企業(yè)相關(guān)的管理方面的數(shù)據(jù)和信息C、基本元數(shù)據(jù)包括日志文件和簡歷執(zhí)行處理的時序調(diào)度信息D、基本元數(shù)據(jù)包括關(guān)于裝載和更新處理,分析處理以及管理方面的信息答案：D解析：元數(shù)據(jù)(Metadata),又稱中介數(shù)據(jù)、中繼數(shù)據(jù),為描述數(shù)據(jù)的數(shù)據(jù)(dataaboutdata)。64.標準BP算法的目標是使訓練集上的()為最小。A、累積方差B、累積誤差C、累積協(xié)方差D、累積偏差答案：B解析：標準BP算法的目標是使訓練集上的累積誤差最小。65.假負率是指()。A、正樣本預(yù)測結(jié)果數(shù)/正樣本實際數(shù)B、被預(yù)測為負的正樣本結(jié)果數(shù)/正樣本實際數(shù)C、被預(yù)測為正的負樣本結(jié)果數(shù)/負樣本實際數(shù)D、負樣本預(yù)測結(jié)果數(shù)/負樣本實際數(shù)答案：B解析：假負率是指被預(yù)測為負的正樣本結(jié)果數(shù)/正樣本實際數(shù)。66.bootstrap數(shù)據(jù)是什么意思()。A、有放回地從總共M個特征中抽樣m個特征B、無放回地從總共M個特征中抽樣m個特征C、有放回地從總共N個樣本中抽樣n個樣本D、無放回地從總共N個樣本中抽樣n個樣本答案：C解析：自助來樣法(bootstrapsampling),給定包含N個樣本的數(shù)據(jù)集,我們先隨機取出一個樣本放入采樣集中,再把該樣本放回初始數(shù)據(jù)集,使得下次采樣時該樣本仍有可能被選中,這樣經(jīng)過n次隨機采樣操作,我們得到含n個樣本的采樣集。67.在編寫程序時經(jīng)常要對某一個條件進行判斷,“條件”只有“成立”或“不成立”兩種結(jié)果。成立用“True”表示,不成立用“False”表示。下列關(guān)系表達式中,結(jié)果為“True”的是()。A、2>5B、3>=3C、1!=1D、6==5答案：B解析：>=可表示為>或=。68.劃分聚類算法是一種簡單的較為基本的重要聚類方法。它的主要思想是通過將數(shù)據(jù)點集分為()個劃分,并使用重復(fù)的控制策略使某個準則最優(yōu)化,以達到最終的結(jié)果A、DB、KC、ED、F答案：B解析：劃分聚類算法K-Means將數(shù)據(jù)點集分為K個子集。69.以下代碼的輸出結(jié)果為()。

Importnumpyasnp

A=np.array([0.25,1.33,1,100])

Print(np.reciprocal(a))A、[-10.-9.-8.]B、[-7.-6.-5.]C、[0.251.331.100.]D、[4.0.75187971.0.01]答案：D解析：np.reciprocal()取倒數(shù)。70.有N個樣本,一般用于訓練,一般用于測試。若增大N值,則訓練誤差和測試誤差之間的差距會如何變化()。A、增大B、減小C、無法確定D、無明顯變化答案：B解析：增加數(shù)據(jù),能夠有效減小過擬合,減小訓練樣本誤差和測試樣本誤差之間的差距。71.Numpy簡單介紹,不正確的是()。A、Numpy(NumericalPython)是Python語言的一個擴展程序庫B、支持大量的維度數(shù)組與矩陣運算C、針對數(shù)組運算提供大量的數(shù)學函數(shù)庫D、Numpy不開放源代碼答案：D解析：Numpy是開源代碼庫。72.當相關(guān)系數(shù)r=0時,說明()。A、現(xiàn)象之間相關(guān)程度較小B、現(xiàn)象之間完全相關(guān)C、現(xiàn)象之間無直線相關(guān)D、現(xiàn)象之間完全無關(guān)答案：C解析：相關(guān)系數(shù)r刻畫了兩個變量之間的相關(guān)程度,|r|小于等于1,|r|越接近1,則表示兩個變量相關(guān)度越高,反之相關(guān)度越低。相關(guān)系數(shù)r=0只能說明線性無關(guān),不能說明完全無關(guān)。73.獲取兩個PythonNumpy數(shù)組之間的公共項()。

A=np.array([1,2,3,2,3,4,3,4,5,6])

B=np.array([7,2,10,2,7,4,9,4,9,8])

期望輸出:array([2,4])A、intersect1d(a,b)B、ersect1d(a,b)C、erset(a,b)D、ersect1d(a)答案：B解析：intersect1d()返回二者的交集并排序。74.大數(shù)據(jù)中的小數(shù)據(jù)可能缺失、冗余、存在垃圾數(shù)據(jù)不影響大數(shù)據(jù)的可信數(shù)據(jù),體現(xiàn)大數(shù)據(jù)“涌現(xiàn)”的()表現(xiàn)形式。A、價值涌現(xiàn)B、隱私涌現(xiàn)C、質(zhì)量涌現(xiàn)D、安全涌現(xiàn)答案：C解析：大數(shù)據(jù)的“質(zhì)量涌現(xiàn)”是指大數(shù)據(jù)中的成員小數(shù)據(jù)可能有質(zhì)量問題(不可信的數(shù)據(jù)),如缺失、冗余、垃圾數(shù)據(jù)的存在,但不影響大數(shù)據(jù)的質(zhì)量(可信的數(shù)據(jù))。75.以下不屬于Python內(nèi)置模塊的是()。A、sysB、jsonC、osD、image答案：D解析：image屬于第三方庫。76.Numpy的數(shù)組中Ndarray對象屬性描述錯誤的是()。A、Ndarray.dtypeNdarray對象中每個元素的大小,以字節(jié)為單位B、Ndarray.flagsNdarray對象的內(nèi)存信息C、Ndarray.realNdarray元素的實部D、Ndarray.imagNdarray元素的虛部答案：A解析：dtype是數(shù)組元素的類型。77.當圖像通過信道傳輸時,噪聲一般與()無關(guān)。A、信道傳輸?shù)馁|(zhì)量B、出現(xiàn)的圖像信號C、是否有中轉(zhuǎn)信道的過程D、圖像在信道前后的處理答案：B解析：當圖像通過信道傳輸時,噪聲一般與出現(xiàn)的圖像信號無關(guān),這種獨立于信號的退化被稱為加性噪聲。信道傳輸質(zhì)量、中轉(zhuǎn)信道都會影響圖像質(zhì)量,而圖像在信道前后的預(yù)處理和后處理也會產(chǎn)生噪聲。78.在留出法、交叉驗證法和自助法三種評估方法中,()更適用于數(shù)據(jù)集較小、難以劃分訓練集和測試集的情況。A、留出法B、交叉驗證法C、自助法D、留一法答案：C解析：自助法更適用于數(shù)據(jù)集較小、難以劃分訓練集和測試集的情況。79.在數(shù)據(jù)科學中,通?？梢圆捎?)方法有效避免數(shù)據(jù)加工和數(shù)據(jù)備份的偏見。A、A/B測試B、訓練集和測試集的劃分C、測試集和驗證集的劃分D、圖靈測試答案：A解析：A/B測試是一種對比試驗,準確說是一種分離式組間試驗,在試驗過程中,我們從總體中隨機抽取一些樣本進行數(shù)據(jù)統(tǒng)計,進而得出對總體參數(shù)的多個評估。A/B測試有效避免數(shù)據(jù)加工和準備偏見以及算法/模型選擇偏見具有重要借鑒意義。80.下列不屬于深度學習內(nèi)容的是(__)。A、深度置信網(wǎng)絡(luò)B、受限玻爾茲曼機C、卷積神經(jīng)網(wǎng)絡(luò)D、貝葉斯學習答案：D解析：貝葉斯學習屬于傳統(tǒng)的機器學習算法。81.關(guān)于數(shù)據(jù)分析,下列說法正確的是()。A、描述性分析和預(yù)測性分析是對診斷性分析的基礎(chǔ)B、斷性分析分析是對規(guī)范性分析的進一步理解C、預(yù)測性分析是規(guī)范性分析的基礎(chǔ)D、規(guī)范性分析是數(shù)據(jù)分析的最高階段,可以直接產(chǎn)生產(chǎn)業(yè)價值答案：C解析：在數(shù)據(jù)分析中,流程分為以下方式:描述性分析、診斷性分析、預(yù)測性分析、規(guī)范性分析。82.增加卷積核的大小對于改進卷積神經(jīng)網(wǎng)絡(luò)的效果是必要的嗎()A、是的,增加卷積核尺寸一定能提高性能B、不是,增加核函數(shù)的大小不一定會提高性能答案：B解析：增加核函數(shù)的大小不一定會提高性能。這個問題在很大程度上取決于數(shù)據(jù)集。83.關(guān)于Python包,以下說法正確的是()。A、利用pip包管理器更新已安裝包的代碼是:pipupdate包名B、單獨導入包名即可導入包中所包含的所有子模塊C、下載安裝、更新、查看、移除包等行為可以在命令行中進行,但不可以在Jupyternotebook中進行D、下載安裝、更新、查看、移除包等行為既可以用pip工具,也可以用conda工具答案：D解析：pip更新包指令為pipinstall--upgradePackage;單獨導入包之后訪問子模塊需要用“模塊.子模塊”方式;在Jupyter中也可以通過指令管理包。84.三維以上數(shù)組是以()的形式輸出的。A、按行輸出B、按矩陣輸出C、按矩陣列表輸出D、按字符串輸出答案：C解析：一維數(shù)組輸出為行,二維數(shù)組輸出為矩陣,三維數(shù)組輸出位矩陣列表。85.從連續(xù)圖像到數(shù)字圖像需要()。A、圖像灰度級設(shè)定B、圖像分辨率設(shè)定C、確定圖像的存儲空間D、采樣和量化答案：D解析：數(shù)字圖像又稱離散圖像,連續(xù)圖像到數(shù)字圖像需要離散化,離散化是通過采樣和量化實現(xiàn)的。86.有數(shù)組arr=Numpy.array([1,2,3,4]),執(zhí)行arr.dtype后輸出結(jié)果為()。A、int32B、int64C、float32D、float64答案：A解析：從列表中創(chuàng)建時,Numpy會自動判斷元素的類型從而確定數(shù)組的類型,此處都為整數(shù)則確定為int32,如果將元素1改為1.0,則會確定為float64。87.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、邊緣檢測答案：D解析：邊緣檢測算法是標識數(shù)字圖像中亮度變化明顯的點,不屬于區(qū)域算法發(fā)范疇。88.假設(shè)我們已經(jīng)在ImageNet數(shù)據(jù)集(物體識別)上訓練好了一個卷積神經(jīng)網(wǎng)絡(luò)。然后給這張卷積神經(jīng)網(wǎng)絡(luò)輸入一張全白的圖片。對于這個輸入的輸出結(jié)果為任何種類的物體的可能性都是一樣的,對嗎()。A、對的B、不知道C、看情況D、不對答案：D解析：不對,神經(jīng)網(wǎng)絡(luò)對于未知的數(shù)據(jù)不是均勻預(yù)測的,會對莫一種或多種類別存在偏向。89.以下哪個不屬于數(shù)據(jù)治理的內(nèi)容。A、理解自己的數(shù)據(jù)B、行為規(guī)范的制定C、崗位職責的定義D、獲得更多的數(shù)據(jù)答案：D解析：獲得更多的數(shù)據(jù)不屬于數(shù)據(jù)治理。90.Python安裝擴展庫常用的是()工具。A、pyinstallB、pipC、popD、post答案：B91.數(shù)據(jù)故事話的‘情景’不包括()。A、還原情景B、統(tǒng)計情景C、移植情景D、虛構(gòu)情景答案：B解析：“數(shù)據(jù)的故事化描述(Storytelling)”是指為了提升數(shù)據(jù)的可理解性、可記憶性及可體驗性,將“數(shù)據(jù)”還原成關(guān)聯(lián)至特定的“情景”的過程?？梢?數(shù)據(jù)故事化也是數(shù)據(jù)轉(zhuǎn)換的表現(xiàn)形式之一,其本質(zhì)是以“故事講述”的方式展現(xiàn)“數(shù)據(jù)的內(nèi)容”。數(shù)據(jù)故事化中的“情景”,可以是:1)還原情景:還原數(shù)據(jù)所計量和記錄信息時的“原始情景”;2)移植情景:并非對應(yīng)信息的原始情景,而是將數(shù)據(jù)移植到另一個真實發(fā)生的情景(如目標用戶比較熟悉的情景)之中。3)虛構(gòu)情景:數(shù)據(jù)的故事化描述中所選擇的情景并非為真實存在的情景,而是根據(jù)講述人的想象力設(shè)計出來的“虛構(gòu)情景”。92.Hadoop生態(tài)系統(tǒng)中,HBase是一種()。A、分布式文件系統(tǒng)B、數(shù)據(jù)倉庫C、實時分布式數(shù)據(jù)庫D、分布式計算系統(tǒng)答案：C解析：HBase是一個面向列的實時分布式數(shù)據(jù)庫。93.以下代碼的輸出結(jié)果為()。

Importnumpyasnp

A=np.arange(9)

B=np.split(a,3)

Print(b)A、[012345678]B、[array([0,1,2]),array([3,4,5]),array([6,7,8])]C、[array([0,1,2,3]),array([4,5,6]),array([7,8])]D、沒有正確答案答案：B解析：split將原數(shù)組等分成三個數(shù)組。94.為了觀察測試Y與X之間的線性關(guān)系,X是連續(xù)變量,使用下列()比較適合。A、散點圖B、柱形圖C、直方圖D、以上答案都不正確答案：A解析：散點圖反映了兩個變量之間的相互關(guān)系,在測試Y與X之間的線性關(guān)系時,使用散點圖最為直觀。95.下列哪個用于說明在RDD上執(zhí)行何種計算()。A、分區(qū);B、算子;C、日志;D、數(shù)據(jù)塊;答案：B解析：算子是Spark中定義的函數(shù),用于對RDD中的數(shù)據(jù)進行操作、轉(zhuǎn)換和計算。96.情感信息歸納常見的存在形式是()。A、語料庫B、情感文摘C、情感評論D、情感傾向答案：B解析：文本處理基礎(chǔ)知識97.平滑圖像()處理可以采用RGB彩色模型。A、直方圖均衡化B、直方圖均衡化C、加權(quán)均值濾波D、中值濾波答案：C解析：平滑圖像處理可以采用RGB彩色加權(quán)均值濾波模型。98.()計算框架源自一種分布式計算模型,其輸入和輸出值均為“鍵-值對”結(jié)構(gòu)。A、MahoutB、MapReduceC、SparkD、Sqoop答案：B解析：MapReduce定義99.下列關(guān)于HDFS的描述正確的是()A、如果NameNode宕機,SecondaryNameNode會接替它使集群繼續(xù)工作B、HDFS集群支持數(shù)據(jù)的隨機讀寫C、NameNode磁盤元數(shù)據(jù)不保存Block的位置信息D、DataNode通過長連接與NameNode保持通信答案：C解析：SecondaryNameNode并不是namenode節(jié)點的備份。所以A錯。;存儲在HDFS集群上的數(shù)據(jù)是不支持隨機修改和刪除的,只支持追加,所以B錯;namenode和datanode之間的通信是基于一種心跳機制。該機制不是長連接。是短連接形式。每次發(fā)送一個數(shù)據(jù)包(自身狀態(tài)信息+數(shù)據(jù)塊信息)即可,所以D錯。100.以下選項中,輸出結(jié)果是False的是()。A、>>>5isnot4B、>>>5!=4C、>>>False!=0D、>>>5is5答案：C解析：False在內(nèi)置表達式中為0。101.在抽樣估計中,隨著樣本容量的增大,樣本統(tǒng)計量接近總體參數(shù)的概率就越大,這一性質(zhì)稱為()A、無偏性B、有效性C、及時性D、一致性答案：D解析：一致性是指隨著樣本容量的增大,樣本統(tǒng)計量接近總體參數(shù)的概率就越大,對于給定的偏差控制水平,兩者間偏差高于此控制水平,兩者間偏差高于此控制水平的可能性越小。102.Scikit-Learn中()可以實現(xiàn)評估回歸模型。A、accuracy_scoreB、mean_squared_errorC、f1_scoreD、auc答案：B解析：mean_squared_error均方誤差是用來評估回歸模型的指標,其他三個都是評估分類模型的指標。103.下列場景中最有可能應(yīng)用人工智能的是()。A、刷臉辦電B、輿情分析C、信通巡檢機器人D、以上答案都正確答案：D解析：人工智能應(yīng)用的范圍很廣,包括:計算機科學,金融貿(mào)易,醫(yī)藥,診斷,重工業(yè),運輸,遠程通訊,在線和電話服務(wù),法律,科學發(fā)現(xiàn),玩具和游戲,音樂等諸多方面,刷臉辦電、輿情分析、信通巡檢機器人當然都能很好的應(yīng)用到人工智能,選D。104.過濾式特征選擇與學習器(),包裹式特征選擇與學習器()。A、相關(guān)相關(guān)B、相關(guān)不相關(guān)C、不相關(guān)相關(guān)D、不相關(guān)不相關(guān)答案：C解析：過濾式方法先對數(shù)據(jù)集進行特征選擇,然后再訓練學習器,特征選擇過程與后續(xù)學習器無關(guān)。包裹式特征選擇把最終將要使用的學習器的性能作為特征于集的評價準則。105.()是數(shù)據(jù)庫管理系統(tǒng)運行的基本工作單位。A、事務(wù)B、數(shù)據(jù)倉庫C、數(shù)據(jù)單元D、數(shù)據(jù)分析答案：A解析：在關(guān)系數(shù)據(jù)庫中,事務(wù)(Transaction)是保證數(shù)據(jù)一致性的重要手段,可以幫助用戶維護數(shù)據(jù)的一致性。事務(wù)是用戶定義的一個數(shù)據(jù)庫操作序列,這些操作要么全做,要么全不做,是一個不可分割的工作單位。106.以下輸出的結(jié)果正確的是()。

Importnumpyasnp

X=np.arange(32).reshape((8,4))

Print(x[[-4,-2,-1,-7]])A、[[16171819][24252627][28293031][4567]]B、[[16171819][891011][4567][28293031]C、[[891011][4567]]D、error答案：A解析：二維數(shù)組只傳入一個列表進行索引時,是對行進行選取。107.DAGScheduler的作用是什么()A、負責分配任務(wù);B、負責調(diào)度Worker的運行;C、負責創(chuàng)建執(zhí)行計劃;D、負責清理執(zhí)行完畢的任務(wù);答案：C解析：Scheduler模塊分為兩個部分DAGScheduler和TaskScheduler。DAGScheduler負責創(chuàng)建執(zhí)行計劃;TaskScheduler負責分配任務(wù)并調(diào)度Worker的運行。108.HBase使用一個()節(jié)點協(xié)調(diào)管理一個或多個regionserver從屬機。A、namenode;B、datanode;C、jobtracker;D、master;答案：D解析：Hbase中由一個Master節(jié)點負責協(xié)調(diào)管理一個或多個RegionServer從屬機109.數(shù)據(jù)安全不只是技術(shù)問題,還涉及到()。A、人員問題B、管理問題C、行政問題D、領(lǐng)導問題答案：B解析：數(shù)據(jù)安全不只是技術(shù)問題,還涉及到管理問題。110.關(guān)于表述數(shù)據(jù)可視化在數(shù)據(jù)科學中重要地位說法中,下列不正確的是()。A、視覺是人類獲得信息的最主要途徑B、數(shù)據(jù)可視化處理可以洞察統(tǒng)計分析無法發(fā)現(xiàn)的結(jié)構(gòu)和細節(jié)C、數(shù)據(jù)可視化處理結(jié)果的解讀對用戶知識水平的要求較高D、可視化能夠幫助人們提高理解與處理數(shù)據(jù)的效率答案：C解析：視覺是人類獲得信息的最主要途徑,超過50%的人腦功能用于視覺信息的處理。數(shù)據(jù)可視化處理可以洞察統(tǒng)計分析無法發(fā)現(xiàn)的結(jié)構(gòu)和細節(jié)。數(shù)據(jù)可視化處理結(jié)果的解讀對用戶知識水平的要求較低。可視化能夠幫助人們提高理解與處理數(shù)據(jù)的效率。111.以下算法中不屬于基于深度學習的圖像分割算法是()。A、FCNB、deeplabC、Mask-RCNND、kNN答案：D解析：KNN為傳統(tǒng)機器學習方法并非深度學習方法。112.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,由計算機自動地為文檔集合中的每個文檔確定一個類別B、文本分類大致可分為基于知識工程的分類系統(tǒng)和基于機器學習的分類系統(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)重計算兩個步驟答案：C解析：詞袋模型是指將所有詞語裝進一個袋子里,不考慮其詞法和語序的問題,即每個詞語都是獨立的,所以該模型沒有考慮文本詞語的行文順序,C錯誤,選C。113.關(guān)于函數(shù)的關(guān)鍵字參數(shù)使用限制,以下選項中描述錯誤的是()。A、關(guān)鍵字參數(shù)必須位于位置參數(shù)之前B、不得重復(fù)提供實際參數(shù)C、關(guān)鍵字參數(shù)必須位于位置參數(shù)之后D、關(guān)鍵字參數(shù)順序無限制答案：A解析：關(guān)鍵字參數(shù)必須位于位置參數(shù)之后。114.Apriori算法的核心思想是()。A、通過頻繁項集生成和情節(jié)的向下封閉檢測兩個階段來挖掘候選集B、通過候選集生成和情節(jié)的向下封閉檢測兩個階段來挖掘頻繁項集C、數(shù)據(jù)集中包含該項集的數(shù)據(jù)所占數(shù)據(jù)集的比例,度量一個集合在原始數(shù)據(jù)中出現(xiàn)的頻率D、若某條規(guī)則不滿足最小置信度要求,則該規(guī)則的所有子集也不滿足最小置信度要求答案：B解析：Apriori算法是一種挖掘關(guān)聯(lián)規(guī)則的頻繁項集算法,其核心思想是通過候選集生成和情節(jié)的向下封閉檢測兩個階段來挖掘頻繁項集。115.與生成方法、半監(jiān)督SVM、圖半監(jiān)督學習等基于單學習機器利用未標記數(shù)據(jù)不同,基于分歧的方法(disagreement-basedmethods)使用多學習器,而學習器之間的分歧(disagreement)對未標記數(shù)據(jù)的利用至關(guān)重要。()是此類方法的重要代表。A、協(xié)同訓練B、組合訓練C、配合訓練D、陪同訓練答案：A解析：與生成方法、半監(jiān)督SVM、圖半監(jiān)督學習等基于單學習機器利用未標記數(shù)據(jù)不同,基于分歧的方法(disagreement-basedmethods)使用多學習器,而學習器之間的分歧(disagreement)對未標記數(shù)據(jù)的利用至關(guān)重要。協(xié)同是此類方法的重要代表,它很好地利用了多視圖的相容互補性。116.kNN最近鄰算法在什么情況下效果較好()。A、樣本較多但典型性不好B、樣本較少但典型性好C、樣本呈團狀分布D、樣本呈鏈狀分布答案：B解析：K近鄰算法主要依靠的是周圍的點,因此如果樣本過多,則難以區(qū)分,典型性好的容易區(qū)分。117.數(shù)據(jù)銷毀環(huán)節(jié)的安全技術(shù)措施有通過軟件或物理方式保障磁盤中存儲數(shù)據(jù)的()、不可恢復(fù),如數(shù)據(jù)銷毀軟件、硬盤消磁機、硬盤粉碎機等。A、暫時隔離B、暫時刪除C、永久刪除D、不作處理答案：C解析：數(shù)據(jù)銷毀環(huán)節(jié)的安全技術(shù)措施有通過軟件或物理方式保障磁盤中存儲數(shù)據(jù)的永久刪除、不可恢復(fù),如數(shù)據(jù)銷毀軟件、硬盤消磁機、硬盤粉碎機等。118.以下代碼的輸出結(jié)果為()。

Importnumpyasnp

A=np.array([[1,2,3],[4,5,6]])

Print(np.append(a,[7,8,9]))A、[[123][456]]B、[123456789]C、[[123][456][789]]D、[[123555][456789]]答案：B解析：append()函數(shù)在沒有指定軸進行操作時,默認展平數(shù)組。119.對于一個分類任務(wù),如果開始時神經(jīng)網(wǎng)絡(luò)的權(quán)重不是隨機賦值的,而是都設(shè)成0,下面哪個敘述是正確的()A、其他選項都不對B、沒啥問題,神經(jīng)網(wǎng)絡(luò)會正常開始訓練C、神經(jīng)網(wǎng)絡(luò)可以訓練,但是所有的神經(jīng)元最后都會變成識別同樣的東西D、神經(jīng)網(wǎng)絡(luò)不會開始訓練,因為沒有梯度改變答案：C解析：神經(jīng)網(wǎng)絡(luò)可以訓練,但是所有的神經(jīng)元最后都會變成識別同樣的東西。120.time庫的time.mktime(t)函數(shù)的作用是()。A、將當前程序掛起secs秒,掛起即暫停執(zhí)行B、將struct_time對象變量t轉(zhuǎn)換為時間戳C、返回一個代表時間的精確浮點數(shù),兩次或多次調(diào)用,其差值用來計時D、根據(jù)format格式定義,解析字符串t,返回struct_time類型時間變量答案：B解析：mktime(t)函數(shù)的作用是將結(jié)構(gòu)化時間變量t轉(zhuǎn)換為時間戳。121.以下()不是NoSQL數(shù)據(jù)庫。A、MongoDBB、BigTableC、HBaseD、Access答案：D解析：NoSQL是指那些非關(guān)系型的、分布式的、不保證遵循ACID原則的數(shù)據(jù)存儲系統(tǒng)。典型的NoSQL產(chǎn)品有DangaInteractive的Memcached、10gen的MongoDB、Facebook的Cassandra、Google的BigTable及其開源系統(tǒng)HBase、Amazon的Dynamo、Apache的TokyoCabinet、CouchDB和Redis等。122.關(guān)于層次聚類算法:(1)不斷重復(fù)直達達到預(yù)設(shè)的聚類簇數(shù)(2)不斷合并距離最近的聚類簇(3)對初始聚類簇和相應(yīng)的距離矩陣初始化(4)對合并得到的聚類簇進行更新。正確的執(zhí)行順序為()。A、1234B、1324C、3241D、3412答案：C解析：層次聚類算法的過程是:

對初始聚類簇和相應(yīng)的距離矩陣初始化;不斷合并距離最近的聚類簇;對合并得到的聚類簇進行更新;不斷重復(fù)直達達到預(yù)設(shè)的聚類簇數(shù)。123.執(zhí)行以下代碼段

Motorcycles=['honda','yamaha','suzuki']

Motorcycles.append('ducati')

Motorcycles.pop(1)

Print(motorcycles)

時,輸出為()。A、['honda','yamaha','suzuki']B、['yamaha','suzuki','ducati']C、['honda','yamaha','suzuki','ducati']D、['honda','suzuki','ducati']答案：D解析：pop出第一位置的元素124.Windows系統(tǒng)下安裝Matplotlib的命令是()。A、pythonpipinstallmatplotlibB、python-mpipinstallmatplotlibC、sudoapt-getinstallpython-matplotlibD、sudopython-mpipinstallmatplotlib答案：B解析：A選項缺少參數(shù)’-m’,C選項是Linux系統(tǒng)下安裝命令,D選項是MacOSX系統(tǒng)下安裝命令。125.以下()屬于DMM(數(shù)據(jù)管理成熟度模型)中的關(guān)鍵過程域“數(shù)據(jù)戰(zhàn)略”。A、數(shù)據(jù)戰(zhàn)略制定B、業(yè)務(wù)術(shù)語表C、數(shù)據(jù)質(zhì)量評估D、過程質(zhì)量保障答案：A解析：數(shù)據(jù)戰(zhàn)略制定屬于DMM(數(shù)據(jù)管理成熟度模型)中的關(guān)鍵過程域“數(shù)據(jù)戰(zhàn)略”。126.深度學習是當前很熱門的機器學習算法,在深度學習中,涉及到大量的矩陣相乘,現(xiàn)在需要計算三個稠密矩陣A,B,C的乘積ABC,假設(shè)三個矩陣的尺寸分別為m?n,n?p,p?q,且m<n<p<q,以下計算順序效率最高的是(__)。A、(AB)CB、AC(B)C、A(BC)D、所有效率都相同答案：A解析：B選項中A的列數(shù)與C的行數(shù)不相等,無法相乘,B選項排除。A選項需要的乘法次數(shù)為m*n*p+m*p*q,C選項需要的乘法次數(shù)為n*p*q+m*n*q,由于m<n<p<q,顯然A運算次數(shù)更少。127.ordinalencoder將屬性轉(zhuǎn)化為()。A、獨熱編碼B、附帶特性的數(shù)字C、二進制編碼D、ASCII碼答案：B解析：ordinalencoder的作用是數(shù)值化,但是不增加列數(shù)。128.下列關(guān)于大數(shù)據(jù)的分析理念的說法中,錯誤的是()。A、在數(shù)據(jù)基礎(chǔ)上傾向于全體數(shù)據(jù)而不是抽樣數(shù)據(jù)B、在分析方法上更注重相關(guān)分析而不是因果分析C、在分析效果上更追求效率而不是絕對精確D、在數(shù)據(jù)規(guī)模上強調(diào)相對數(shù)據(jù)而不是絕對數(shù)據(jù)答案：D解析：在大數(shù)據(jù)的分析理念中,數(shù)據(jù)規(guī)模上強調(diào)絕對數(shù)據(jù)而不是相對數(shù)據(jù)。129.以下哪個是正確的運行結(jié)果()。

Importnumpyasnpa=np.logspace(0,9,10,base=2)

Print(a)A、[1357]B、[.28.256.512.]C、[0123456789]D、[010]答案：B解析：np.logspace()計算時可以先求相同參數(shù)的linspace結(jié)果,然后對每個元素做以base參數(shù)為底的冪運算。此處為以2為底,依此做0-9的冪運算。130.np.exp(x).round(5)的結(jié)果是2.71828,x的值是()。A、0B、1C、2D、2.71828答案：B解析：e的1次方。131.以下關(guān)于圖像的平滑處理錯誤的說法是()。A、圖像的平滑處理是指在盡量保留原有信息的情況下,過濾掉圖像內(nèi)部的噪音B、圖像平滑處理會對圖像中與周圍像素點的像素值差異較大的像素點進行處理,將其值調(diào)整為周圍像素點像素值的近似值C、講過平滑處理后圖像質(zhì)量會下降D、以上答案都正確答案：C解析：圖像的平滑處理不會損壞圖像的輪廓及邊緣等重要信息,使得圖像清晰視覺效果好。132.在抽樣方法中,當合適的樣本容量很難確定時,可以使用的抽樣方法是:()。A、有放回的簡單隨機抽樣B、無放回的簡單隨機抽樣C、分層抽樣D、漸進抽樣答案：D解析：在抽樣方法中,當合適的樣本容量很難確定時,可以使用的抽樣方法是漸進抽樣。133.數(shù)據(jù)安全技術(shù)保護與信息系統(tǒng)“三同步”原則不包括以下哪項()。A、同步規(guī)劃B、同步建設(shè)C、同步使用D、同步運維答案：D解析：數(shù)據(jù)安全技術(shù)保護與信息系統(tǒng)包含同步規(guī)則、同步建設(shè)、同步適用三項原則。134.如果要將讀寫位置移動到文件開頭,需要使用的命令是()。A、closeB、seek(0)C、truncateD、write('stuff')答案：B解析：seek(0)指移動指針到0位置即開頭。135.以下代碼的輸出結(jié)果為()。

Importnumpyasnp

A=np.array([[10,7,4],[3,2,1]])

Print(np.percentile(a,50))A、[[1074][321]]B、3.5C、[]D、[7.2.]答案：B解析：percentile是百分位數(shù),此處是50%,即中位數(shù),因為數(shù)組個數(shù)為偶數(shù)個,因此中位數(shù)為3和4的均值。136.a=np.array([[0,0,0],[10,10,10],[20,20,20],[30,30,30]])

B=np.array([1,2,3]),a+b的輸出結(jié)果為()。A、[[123][101010][202020][303030]]B、[[123][000][101010][202020][303030]]C、[[123][111213][212223][313233]]D、無法計算答案：C解析：在Numpy中兩個維度不同的數(shù)組進行計算時會自動觸發(fā)Numpy的廣播機制,原公式會轉(zhuǎn)換為[[1,2,3],[1,2,3],[1,2,3],[1,2,3]]+[[0,0,0],[10,10,10],[20,20,20],[30,30,30]]。137.()將觀測值分為相同數(shù)目的兩部分,當統(tǒng)計結(jié)果為非對稱分布時,經(jīng)常使用它。A、眾數(shù)B、標準差C、中位數(shù)D、均值答案：C解析：中位數(shù)是指一組數(shù)據(jù)排序后處于中間位置的變量值。138.關(guān)于OLAP的特性,下面正確的是:(1)快速性(2)可分析性(3)多維性(4)信息性(5)共享性()A、(1)(2)(3)B、(2)(3)(4)C、(1)(2)(3)(4)D、(1)(2)(3)(4)(5)答案：D解析：OLAP具有快速性、可分析性、多維性、信息性、共享性等特征。139.()是指針對用戶非常明確的數(shù)據(jù)查詢和處理任務(wù),以高性能和高吞吐量的方式實現(xiàn)大眾化的服務(wù),是數(shù)據(jù)價值最重要也是最直接的發(fā)現(xiàn)方式。A、數(shù)據(jù)服務(wù)B、數(shù)據(jù)分析C、數(shù)據(jù)治理D、數(shù)據(jù)應(yīng)用答案：A解析：數(shù)據(jù)服務(wù)指針對用戶非常明確的數(shù)據(jù)查詢和處理任務(wù),以高性能和高吞吐量的方式實現(xiàn)大眾化的服務(wù),是數(shù)據(jù)價值最重要也是最直接的發(fā)現(xiàn)方式。140.數(shù)據(jù)資產(chǎn)維護是指為保證數(shù)據(jù)質(zhì)量,對數(shù)據(jù)進行()等處理的過程。A、更正B、刪除C、補充錄入D、以上答案都正確答案：D解析：數(shù)據(jù)資產(chǎn)維護是指為保證數(shù)據(jù)質(zhì)量,對數(shù)據(jù)進行更正、刪除、補充錄入等處理的過程。141.SparkJob默認的調(diào)度模式是()。A、FIFOB、FAIRC、無D、運行時指定答案：A解析：Spark中的調(diào)度模式主要有兩種FIFO和FAIR。默認情況下Spark的調(diào)度模式是FIFO(先進先出)。142.以下可以應(yīng)用關(guān)鍵詞提取的是()。A、文獻檢索B、自動文摘C、文本聚類/分類D、以上答案都正確答案：D解析：在自然語言處理領(lǐng)域,處理海量的文本文件最關(guān)鍵的是要把用戶最關(guān)心的問題提取出來。143.()是實現(xiàn)數(shù)據(jù)戰(zhàn)略的重要保障。A、數(shù)據(jù)管理B、數(shù)據(jù)分析C、數(shù)據(jù)治理D、數(shù)據(jù)規(guī)劃答案：C解析：從DMM模型可以看出,數(shù)據(jù)治理是實現(xiàn)數(shù)據(jù)戰(zhàn)略的重要保障。數(shù)據(jù)管理的是指通過管理“數(shù)據(jù)”實現(xiàn)組織機構(gòu)的某種業(yè)務(wù)目的。然而,數(shù)據(jù)治理則指如何確?！皵?shù)據(jù)管理”的順利、有效、科學地完成。144.ggplot2的核心理念是()。A、繪圖與數(shù)據(jù)分離B、結(jié)構(gòu)與數(shù)據(jù)分離C、繪圖與結(jié)構(gòu)分離D、繪圖與數(shù)據(jù)和結(jié)構(gòu)分離答案：A解析：ggplot2的核心理念是將繪圖與數(shù)據(jù)分離,數(shù)據(jù)相關(guān)的繪圖與數(shù)據(jù)無關(guān)的繪圖分離。145.最早被提出的循環(huán)神經(jīng)網(wǎng)絡(luò)門控算法是什么()A、長短期記憶網(wǎng)絡(luò)B、門控循環(huán)單元網(wǎng)絡(luò)C、堆疊循環(huán)神經(jīng)網(wǎng)絡(luò)D、雙向循環(huán)神經(jīng)網(wǎng)絡(luò)答案：A解析：LSTM是最早被提出的循環(huán)神經(jīng)網(wǎng)絡(luò)門控算法。長短期記憶網(wǎng)絡(luò)(Long-ShortTermMemory,LSTM)論文首次發(fā)表于1997年11月15日。門控循環(huán)單元網(wǎng)絡(luò)(GRU)論文發(fā)表于2014年。堆疊循環(huán)神經(jīng)網(wǎng)絡(luò)(SRNN)論文發(fā)表于2017年。雙向循環(huán)神經(jīng)網(wǎng)絡(luò)(Bidirectionalrecurrentneuralnetworks)發(fā)表于1997年11月。146.在其他條件不變的前提下,以下哪種做法容易引起機器學習中的過擬合問題()。A、增加訓練集量B、減少神經(jīng)網(wǎng)絡(luò)隱藏層節(jié)點數(shù)C、刪除稀疏的特征D、SVM算法中使用高斯核/RBF核代替線性核答案：D解析：神經(jīng)網(wǎng)絡(luò)減少隱藏層節(jié)點,就是在減少參數(shù),只會將訓練誤差變高,不會導致過擬合。D選項中SVM高斯核函數(shù)比線性核函數(shù)模型更復(fù)雜,容易過擬合。147.下列的哪種方法可以用來降低深度學習模型的過擬合問題()。

1增加更多的數(shù)據(jù)

2使用數(shù)據(jù)擴增技術(shù)(dataaugmentation)

3使用歸納性更好的架構(gòu)

4正規(guī)化數(shù)據(jù)

5降低架構(gòu)的復(fù)雜度A、145B、123C、1345D、所有項目都有用答案：D解析：增多數(shù)據(jù)、數(shù)據(jù)擴增、正規(guī)化數(shù)據(jù)、選擇歸納性更好、復(fù)雜度更低的架構(gòu)均可以用來降低深度學習模型的過擬合問題。148.神經(jīng)網(wǎng)絡(luò)感知機只有(__)神經(jīng)元進行激活函數(shù)處理,即只擁有一層功能神經(jīng)元。A、輸出層B、輸入層C、感知層D、網(wǎng)絡(luò)層答案：A解析：神經(jīng)網(wǎng)絡(luò)感知機只有輸入層神經(jīng)元進行激活函數(shù)處理,即只擁有一層功能神經(jīng)元。149.下列不屬于transform操作的是()A、mapB、filterC、sampleD、count答案：D解析：Transformation常用函數(shù)為map、filter、flatMap、sample、union、join等。150.下列方法中,用于獲取當前目錄的是()。A、openB、writeC、GetpwdD、read答案：C解析：用于獲取當前目錄的方法是Getcwd。151.Scipy中計算偏度的函數(shù)是哪個()。A、scipy.stats.skewtest()B、scipy.stats.norm.rvs()C、scipy.stats.kurtosis()D、scipy.stats.poisson.rvs()答案：A解析：利用stats.skewtest()計算偏度,有兩個返回值,第二個為p-value,即數(shù)據(jù)集服從正態(tài)分布的概率(0~1)。152.相對于HadoopMapReduce1.0,Spark的特點不包括()。A、速度快B、并發(fā)多C、通用性D、易用性答案：B解析：相較于HadoopMapReduce,Spark的特點為速度快、通用性和易用性。153.python語言定義的class的初始化函數(shù)的函數(shù)名是()。A、initB、__init__C、__initD、init__答案：B解析：Python語言定義的class的初始化函數(shù)的函數(shù)名是__init__。154.關(guān)于欠擬合(under-fitting),()是正確的。A、訓練誤差較大,測試誤差較小B、訓練誤差較小,測試誤差較大C、訓練誤差較大,測試誤差較大D、訓練誤差較小,測試誤差較小答案：C解析：欠擬合是指對訓練樣本的一般性質(zhì)尚未學好,因此訓練誤差和測試誤差均較大155.數(shù)組拼接的函數(shù)不包括一下哪種()。A、append()B、insert()C、vstack()D、where()答案：D解析：append()函數(shù)可向數(shù)組橫縱坐標添加數(shù)組,insert()函數(shù)可向一維數(shù)組后添加數(shù)據(jù),vstack()函數(shù)可以進行數(shù)組拼接,where()函數(shù)是對數(shù)據(jù)進行條件篩選。156.下列哪項不是HDFS的設(shè)計目標()。A、流式數(shù)據(jù)訪問B、大規(guī)模數(shù)據(jù)集C、移動計算D、"多次寫入多次讀取"的文件訪問模型答案：D解析：HDFS的設(shè)計以“一次寫入、多次讀取”為主要應(yīng)用場景,因此D錯。157.如果python程序中包括零運算,解釋器將在運行時拋出()錯誤信息()。A、NameErrorB、FileNotFoundErrorC、SyntaxErrorDZeroD、ivisionError答案：D解析：NameError為找不到變量名報錯;FileNotFoundError為文件不存在報錯;SyntaxError為語法報錯;ZeroDivisionError為數(shù)學除零運算報錯。158.在python3中以下安裝第三方模塊命令正確的是()。A、pip-installsklearnB、pipinstallsklearnC、pip–upgragesklearnD、pip-isklearn答案：B解析：pip安裝第三方包的指令為:pipinstallPackag。159.通過聚集多個分類器的預(yù)測來提高分類準確率的技術(shù)稱為()。A、組合(ensemble)B、聚集(aggregate)C、合并(bination)D、投票(voting)答案：A解析：通過聚集多個分類器的預(yù)測來提高分類準確率的技術(shù)稱為組合。160.下列選項中,不屬于python特點的是()。A、面向?qū)ο?B、運行效率高;C、可移植性;D、免費和開源;答案：B解析：Python是免費開源的面向?qū)ο缶幊陶Z言,方便移植,以解釋方式逐條執(zhí)行語句,相比C++等語言運行效率較低。161.關(guān)于Python的全局變量和局部變量,以下選項中描述錯誤的是()。A、局部變量指在函數(shù)內(nèi)部使用的變量,當函數(shù)退出時,變量依然存在,下次函數(shù)調(diào)用可以繼續(xù)使用B、使用global保留字聲明簡單數(shù)據(jù)類型變量后,該變量作為全局變量使用C、簡單數(shù)據(jù)類型變量無論是否與全局變量重名,僅在函數(shù)內(nèi)部創(chuàng)建和使用,函數(shù)退出后變量被釋放D、全局變量指在函數(shù)之外定義的變量,一般沒有縮進,在程序執(zhí)行全過程有效答案：A解析：局部變量指在函數(shù)內(nèi)部使用的變量,當函數(shù)退出時,變量即不存在。162.下列表達式中[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答案：D解析：執(zhí)行結(jié)果應(yīng)為:02575

41878

81181

12484163.pynlpir是一種常用的自然語言理解工具包,其中進行分詞處理的函數(shù)是()。A、open()B、segment()C、AddUserWord()D、generate()答案：B解析：pynlpir是python中分詞工具包,用于分詞處理的函數(shù)是segment()164.()在劃分屬性時是在當前結(jié)點的屬性集合中選擇一個最優(yōu)屬性。A、AdaBoostB、RFC、BaggingD、傳統(tǒng)決策樹答案：D解析：傳統(tǒng)決策樹在選擇劃分屬性時,是在當前節(jié)點的屬性集合中選擇一個最優(yōu)屬性進行劃分。165.聚類算法的性能度量可稱為()。A、密度估計B、異常檢測C、有效性指標D、分布結(jié)構(gòu)答案：C解析：聚類算法的性能度量可稱為有效性指標。166.現(xiàn)階段的大數(shù)據(jù)技術(shù)體系主要類型不包括()。A、數(shù)據(jù)源與APPB、基礎(chǔ)設(shè)施C、HadoopD、數(shù)據(jù)資源答案：C解析：Speechpad的聯(lián)合創(chuàng)始人DaveFeinleib于2012年發(fā)布大數(shù)據(jù)產(chǎn)業(yè)全景圖(BigDataLandscape),首次較為全面地刻畫了當時快速發(fā)展中的大數(shù)據(jù)技術(shù)體系。后來,該圖及其畫法成為大數(shù)據(jù)和數(shù)據(jù)科學的重要分析工具,得到廣泛的應(yīng)用和不斷的更新。MattTurck等組織繪制的2017大數(shù)據(jù)產(chǎn)業(yè)全景圖(BigDataLandscape2017)。從2017大數(shù)據(jù)產(chǎn)業(yè)全景圖看,現(xiàn)階段的大數(shù)據(jù)技術(shù)體系主要類型包括:數(shù)據(jù)資源、數(shù)據(jù)源與APP、開源工具、跨平臺基礎(chǔ)設(shè)施和分析工具、行業(yè)應(yīng)用、企業(yè)應(yīng)用、基礎(chǔ)設(shè)施和分析工具。167.下列關(guān)于RNN說法正確的是(__)。A、RNN可以應(yīng)用在NLP領(lǐng)域B、LSTM是RNN的一個變種C、在RNN中一個序列當前的輸出與前面的輸出也有關(guān)D、以上答案都正確答案：D解析：RNN是一種人造神經(jīng)網(wǎng)絡(luò),它通過賦予網(wǎng)絡(luò)圖附加權(quán)重來創(chuàng)建循環(huán)機制,以維持內(nèi)部的狀態(tài)。在擁有狀態(tài)以后,便能在序列預(yù)測中明確地學習并利用上下文信息,如順序或時間成分,因此RNN適用于自然語言處理。RNN中一個序列當前的輸出與前面的輸出有關(guān)。LSTM在RNN基礎(chǔ)上進行了改進,能夠?qū)W習到長期依賴關(guān)系,因此是RNN的一個變種。168.在一個神經(jīng)網(wǎng)絡(luò)中,下面哪種方法可以用來處理過擬合()A、DropoutB、分批歸一化(BatchNormalization)C、正則化(regularization)D、都可以答案：D解析：Dropout,BatchNormalization和正則化都可以用來處理過擬合。169.矩陣相減使用以下哪種函數(shù)()。A、np.add()B、np.subtract()C、np.multiply()D、np.divide()答案：B解析：ABCD選項分別對應(yīng)矩陣計算的加減乘除法。170.關(guān)于L1、L2正則化下列說法正確的是()A、L2正則化能防止過擬合,提升模型的泛化能力,但L1做不到這點B、L2正則化技術(shù)又稱為LassoRegularizationC、L1正則化得到的解更加稀疏D、L2正則化得到的解更加稀疏答案：C解析：L1正則化可以產(chǎn)生稀疏權(quán)值矩陣,即產(chǎn)生一個稀疏模型,可以用于特征選擇,L2正則化可以防止模型過擬合,一定程度上;L1也可以防止過擬合;L1正則化,又稱LassoRegression。171.關(guān)于數(shù)據(jù)清洗,不正確的說法是()。A、單數(shù)據(jù)源,主鍵取值不能重復(fù)B、多數(shù)據(jù)源會存在數(shù)據(jù)重復(fù),單位不一致的問題C、連續(xù)型數(shù)據(jù)不存在冗余問題D、缺失值可以采用刪除和填補等方法處理答案：C解析：連續(xù)型數(shù)據(jù)可能存在冗余問題。172.關(guān)于__name__的說法,下列描述錯誤的是()。A、它是Python提供的一個方法;B、每個模塊內(nèi)部都有一個__name__屬性;C、當它的值為'__main__'時,表示模塊自身在運行;D、當它的值不為'__main__'時,表示模塊被引用;答案：A解析：__name__是Python提供的一個屬性。173.彩色圖像增強時,()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、中值濾波答案：C解析：RGB是彩色圖像的三通道像素值,均值濾波進行的是線性操作,不影響原本圖像的相對亮度。174.下列關(guān)于線性回歸分析中的殘差說法正確的是()。A、殘差均值總是為零B、殘差均值總是約等于零C、殘差均值總是大于零D、以上答案都不正確答案：A解析：線性回歸分析中,目標是殘差最小化。殘差平方和是關(guān)于參數(shù)的函數(shù),為了求殘差極小值,令殘差關(guān)于參數(shù)的偏導數(shù)為零,會得到殘差和為零,即殘差均值為零。175.數(shù)據(jù)管理成熟度模型中成熟度等級最高是哪一級()。A、已優(yōu)化級B、已測量級C、已定義級D、已管理級答案：A解析：已優(yōu)化是數(shù)據(jù)管理成熟度模型中成熟度的最高等級。176.任何一個核函數(shù)都隱式地定義了一個()空間。A、希爾伯特空間B、再生希爾伯特空間C、再生核希爾伯特空間D、歐式空間答案：C解析：任何一個核函數(shù)都隱式地定義了一個再生核希爾伯特空間空間。177.數(shù)據(jù)科學項目應(yīng)遵循一般項目管理的原則和方法,涉及()。A、整體、范圍、時間、成本、質(zhì)量、溝通、風險、宣傳、消費B、整體、范圍、時間、成本、質(zhì)量、人力資源、溝通、風險、采購C、整體、范圍、時間、成本、質(zhì)量、人力資源、運維、采購、宣傳D、整體、范圍、時間、成本、質(zhì)量、人力資源、采購、宣傳、運維答案：B解析：數(shù)據(jù)科學項目應(yīng)遵循一般項目管理的原則和方法,涉及整體、范圍、時間、成本、質(zhì)量、人力資源、溝通、風險、采購。178.()用于將非線性引入神經(jīng)網(wǎng)絡(luò)。它會將值縮小到較小的范圍內(nèi)。A、損失函數(shù)B、優(yōu)化函數(shù)C、激活函數(shù)D、目標函數(shù)答案：C解析：激活函數(shù)用于將非線性引入神經(jīng)網(wǎng)絡(luò),它會將值縮小到較小的范圍內(nèi)。179.下面哪項不屬于循環(huán)神經(jīng)網(wǎng)絡(luò)的輸出模式。(__)A、單輸出B、多輸出C、同步多輸出D、異步多輸出答案：C解析：深度學習基礎(chǔ)知識。180.隨機森林與Bagging中基學習器多樣性的區(qū)別是()。A、都來自樣本擾動B、都來自屬性擾動C、來自樣本擾動和自屬性擾動D、多樣本集結(jié)合答案：C解析：Bagging中基學習器的多樣性僅來自于樣本擾動(自助采樣),隨機森林中基學習器的多樣性不僅來自樣本擾動,還來自屬性擾動。181.Zookeeper主要解決的是()問題。A、數(shù)據(jù)存儲B、模型訓練C、分布式環(huán)境協(xié)作服務(wù)D、數(shù)據(jù)管理答案：C解析：ZooKeeper是一個分布式的,開放源碼的分布式應(yīng)用程序協(xié)調(diào)服務(wù),是Google的Chubby一個開源的實現(xiàn),是Hadoop和Hbase的重要組件。182.關(guān)于正態(tài)分布,下列說法錯誤的是()。A、正態(tài)分布具有集中性和對稱性B、正態(tài)分布的均值和方差能夠決定正態(tài)分布的位置和形態(tài)C、正態(tài)分布的偏度為0,峰度為1D、標準正態(tài)分布的均值為0,方差為1答案：C解析：正態(tài)分布的均值決定正態(tài)分布的位置,正態(tài)分布的方差決定正態(tài)分布的形態(tài),正態(tài)分布具有對稱性,其偏度為0,但峰度不一定為1,只有標準正態(tài)分布的偏度為0,峰度為1。183.Python中的os模塊常見方法描述錯誤的是()。A、os.remove()刪除文件B、os.rename()重命名文件C、os.walk()讀取所有的目錄名D、os.chdir()改變目錄答案：C解析：os.walk()方法用于通過在目錄樹中游走輸出在目錄中的文件名,可以指定向上或者向下。184.SVM在下列哪種