大數(shù)據(jù)CDA考試(習題卷4)

試卷科目：大數(shù)據(jù)CDA考試大數(shù)據(jù)CDA考試(習題卷4)PAGE"pagenumber"pagenumber/SECTIONPAGES"numberofpages"numberofpages大數(shù)據(jù)CDA考試第1部分：單項選擇題，共118題，每題只有一個正確答案,多選或少選均不得分。[單選題]1.在Spark生態(tài)組件中,哪個產(chǎn)品可用于基于歷史數(shù)據(jù)的交互式查詢。()A)SparkCoreB)SparkSqlC)SparkStreamingD)MLlib[單選題]2.偏自相關函數(shù)ACF在n階之后迅速趨近于零，我們稱ACF具有n階()A)長尾性B)短尾性C)截尾性D)拖尾性[單選題]3.Hbase中的Compaction過程發(fā)生在什么時候?()A)MemStore發(fā)生flush的時候B)HLog大小達到一定閾值的時候C)StoreFlle文件個數(shù)達到一定國值的時候D)HFile寫入HDFS的時候[單選題]4.聲明成員變量時,如果不使用任何訪問控制符(public,protected,private),則以下哪種類型的類不能對該成員進行直接訪問()A)同一類B)同一包中的子類C)同一包中的非子類D)不同包中的子類[單選題]5.以下表述錯誤的是()。A)冗余屬性不會對決策樹的準確率造成不利的影響B(tài))子樹可能在決策樹中重復多次C)決策樹算法對于噪聲的干擾非常敏感D)尋找最佳決策樹是NP完全問題[單選題]6.Spark自帶的資源管理框架是?()A)StandaloneB)MesoSC)YARND)Docker[單選題]7.以下關于Zookeeper關鍵特性中的原子說法正確的是?A)客戶端發(fā)送的更新會按照他們被發(fā)送的順序進行應用B)更新只能全部完成或失敗,不會部分完成C)一條消息被一個server接收,將被所有server接收D)集群中無論哪臺服務器,對外示均是同[單選題]8.為了保證流應用的快照存儲的可靠性,快照主要存儲在()?A)本地文件系統(tǒng)中B)Jobmanager的內(nèi)存中C)HDFS中D)可靠性高的單機數(shù)據(jù)庫中[單選題]9.MapReduce的Shuffle過程以下中哪個操作是最后做的?A)排序B)合并C)分區(qū)D)溢寫[單選題]10.如果對HBase表的添加數(shù)據(jù)記錄,可以使用()命令進行操作。A)createB)getC)putD)scan[單選題]11.ROC曲線是驗證模型的常用方法,曲線凸向哪個角,代表模型效果越理想?()A)左上角B)右上角C)左下角D)右下角[單選題]12.用于展示文本信息出現(xiàn)頻率比較高的關鍵詞的圖形是(A)詞云圖B)氣泡圖C)熱力圖D)散點圖[單選題]13.基于規(guī)則的分類器有Aprior、隨機森林,還有()。A)C4.5B)KNNC)NaiveBayesD)ANN[單選題]14.數(shù)據(jù)分析挖掘是非常有價值的，它與現(xiàn)實生活是密切相關的，以下哪些是在銀行中的應用場景？A)信用卡的審批額度B)掌銀對消費者的產(chǎn)品推薦C)貴賓客戶的流失預測D)以上全是[單選題]15.當一元線性回歸模型的殘差出現(xiàn)異方差時，我們可以嘗試哪項工作()A)對自變量做線性變換B)對因變量做線性變換C)對自變量做非線性變換D)自變量做歸一化處理[單選題]16.人工神經(jīng)網(wǎng)絡(ANN)是基于模大腦神經(jīng)網(wǎng)絡結構和功能而建立的一種信息處理系統(tǒng)。下列選項中,有關人工神經(jīng)網(wǎng)絡的描述不正確的是()A)神經(jīng)網(wǎng)絡對訓練數(shù)據(jù)中的噪聲非常魯棒B)可以處理冗余特征C)訓練ANN是一個很耗時的過程D)至少含有一個隱藏層的多層神經(jīng)網(wǎng)絡[單選題]17.指數(shù)平滑法中,下面哪個指標可以反映對時間序列資料的修正程度?()A)平滑常數(shù)B)季節(jié)指數(shù)C)跨越期D)指數(shù)平滑數(shù)初始值[單選題]18.對于不平穩(wěn)的序列，如果仍想進行時間序列分析，我們可以()A)差分B)微分C)積分D)不能使用[單選題]19.使用JAVAAPI進行HBase表數(shù)據(jù)添加操作,以下命令輸寫正確的是()。A)HTable.add(newPut(Bytes.toBytes(row));B)HTable.insert(newPut(Bytes.toBytes(row));C)HTable.put(newPut(Bytes.toBytes(row));D)HTable.update(newPut(Bytes.toBytes(row));[單選題]20.在某回歸模型中，數(shù)據(jù)分析員希望探索分類變量各類別之間增長率的差異，采用以下哪種方法比較合適？()A)加入固定效應變量B)加入工具變量C)加入高次項D)加入交互項[單選題]21.已知表student，字段如下：取出course1，course2，course3三門成績均超過60分的記錄，可以使用如下查詢語句()A)selectB)selectC)selectD)select[單選題]22.對于HDFS的組成描述正確的是()。A)HDFS的文件系統(tǒng)主分為管理節(jié)點和工作節(jié)點。B)NameNode管理元數(shù)據(jù)信息C)DataNode保存真正的數(shù)據(jù)。D)DataNode保存真正的數(shù)據(jù)。[單選題]23.17、19、22、24、25、28、34這組數(shù)的四分位差是()。A)24B)12C)9D)D17[單選題]24.以下選項中主節(jié)點和從節(jié)點配置的端口都是()。A)9000B)1000C)7000D)8000[單選題]25.矩估計的基本原理是()。A)用樣本矩估計總體矩B)使得似然函數(shù)達到最小C)小概率事件在一次試驗中是不可能發(fā)生的D)使得似然函數(shù)達到最大[單選題]26.SOL語言中,刪除一個表中所有數(shù)據(jù),但保留表結構的命令是()。A)DELETEB)DROPC)CLEARD)REMORE[單選題]27.使用JAVAAPI進行HBase整表掃描操作,以下命令輸寫正確的是()。A)table.getScanner(scan);B)table.scan(table)C)table.get(table).scan();D)table.Scanner(get);[單選題]28.關于層次聚類，下列說法正確的是()A)層次聚類之前需要先給出聚類的數(shù)量B)層次聚類之前需要先給出各個類別的初始類中心C)層次聚類之后，模型能給出唯一的分類類別數(shù)量D)層次聚類之后，類別數(shù)量需要參考聚類過程給出[單選題]29.下面聲明數(shù)組的寫法錯誤()。A)inta[];B)int[]a;C)int[3][]a;D)int[][3]a;[單選題]30.數(shù)據(jù)倉庫的最終目的是（）A)收集業(yè)務需求B)開發(fā)數(shù)據(jù)倉庫的應用分析C)建立數(shù)據(jù)倉庫邏輯模型D)為用戶和業(yè)務部門提供決策支持[單選題]31.下面的數(shù)據(jù)是一家企業(yè)科研投入與專利產(chǎn)出的相關性描述，根據(jù)表格信息，下列選項中正確的是()。A)專利產(chǎn)出與科研投入高度線性相關B)專利產(chǎn)出與科研投入相關性不顯著C)專利產(chǎn)出與科研投入存在線性相關性，但是相關性較弱D)加大科研投入就能夠提高專利的產(chǎn)出[單選題]32.數(shù)據(jù)分析8個層次中的最高層次是()A)預報B)優(yōu)化C)報警D)統(tǒng)計分析[單選題]33.以下對于zookeeper描述正確的是()A)Zookeeper的核心是原子廣播B)Zookeeper包含口個簡單的原語集C)Zookeeper是口個開放源碼的分布式應用程序協(xié)調(diào)服務D)Zookeeper是Hadoop的口個子項目[單選題]34.HBase表中每個cell的多版本是通過()表示的。A)timestampB)rowkeyC)blockidD)cellid[單選題]35.假設每個用戶最低資源保障設置為yarn,scheduler,capacity,root,QueueAminimum-user-limit-percent=24,則以下說法錯誤的是?()A)第3個用戶提交任務時,每個用戶最多獲得33.33%的資源B)第2個用戶提交住務時,每個用戶最多獲得50%的資源C)第4個用戶提交任務時,每個用戶最多獲得25%的資源D)第5個用戶提交任務時,每個用戶最多獲得20%的資源[單選題]36.對一元線性回歸y=b0+b1x1+ε進行F檢驗，其結果與對回歸系數(shù)b1做t檢驗得到的結果()A)相同B)相反C)無關D)相同的概率與R2呈正比[單選題]37.一個多分類的變量?借款用途?，其水平有?娛樂?、?培訓?、?生活基礎?、?旅游?、?其他?。將其轉為啞變量后，有()個對應的分類變量A)1B)3C)4D)5[單選題]38.若需要定義一個類域或類方法,應使用哪種修飾符?A)staticB)packageC)privateD)public[單選題]39.下面這些類型的應用,那個不使用Java語言來編寫?A)JavaScriptB)AppletC)ServletD)JavaSwing[單選題]40.Hadoop系統(tǒng)中關于客戶端向HDFS文件系統(tǒng)上傳文件說法正確的是?A)客戶端的文件數(shù)據(jù)經(jīng)過NameNode傳遞給DataNodeB)客戶端將文件分為多個Bock,根據(jù)DataNode的地址信息,按順序寫入每一個DataNode中C)客戶端根據(jù)DataNode的地址信息,按順序將整個文件寫入每一個DataNode中,然后由DataNode將文件劃分為多個BlockD)客戶端只上傳數(shù)據(jù)到一個DataNode,然后由Namenode負責Bock復制[單選題]41.在使用Flask-WTF自定義表單類時,自定義的類需要繼承自()。A)FlaskFormB)FlaskFormsC)FlaskWTFD)Forms[單選題]42.HBase依賴()技術框架提供消息通信機制。A)ZookeeperB)ChubbyC)RPCD)Socket[單選題]43.以下哪個語句不能查詢出結果A)selectB)selectC)selectD)select[單選題]44.下列關于邏輯回歸模型中計算得到的發(fā)生概率p，闡述錯誤的是()A)任何情況下，臨界值都是0.5。當p≥0.5，其分類取1；p<0.5，其分類取0B)p是相對概率C)p的取值在0至1之間D)被稱為odds[單選題]45.YARN的基于標準調(diào)度,是對下列選項中的哪個進行標簽化?A)AppmasterB)ResourcemanagerC)NodemanagerD)Container[單選題]46.采用Flume傳輸數(shù)據(jù)過程中,為了防止因Flume進程重啟而丟失數(shù)據(jù),推薦使用以下哪種channel類型?A)MemoryChannelsB)FileChannelC)JDBCChannelD)HDFSChannel[單選題]47.盒須圖()中，Q1到Q3的距離被稱為()。A)IQRB)極差C)內(nèi)差D)SSA[單選題]48.以下關于DBSCAN算法說法錯誤的是()。A)如果樣本集的密度不均勻、聚類間距差相差很大時,聚類質(zhì)量較差;B)如果樣本集較大時,聚類收斂時間較長;C)調(diào)參相對復雜,不同的參數(shù)組合對最后的聚類效果有較大影響。D)聚類結果可能有偏倚。[單選題]49.以下哪類數(shù)據(jù)不屬于半結構化數(shù)據(jù)?A)HTMLB)XMLC)二維表D)JSON[單選題]50.下列關于網(wǎng)絡用戶行為的說法中,錯誤的是()。A)網(wǎng)絡公司能夠捕捉到用戶在其網(wǎng)站上的所有行為B)用戶離散的交互痕跡能夠為企業(yè)提升服務質(zhì)量提供參考C)數(shù)字軌跡用完即自動刪除D)用戶的隱私安全很難得以規(guī)范保護[單選題]51.在Jinjia2模板引擎中創(chuàng)建block后要使用()表示結束。A){%endblock%)B){%end%}C){{endblock))D){{end}}[單選題]52.在Flask框架中設置路由的請求方法,可以使用參數(shù)()。A)requestB)requestsC)methodD)methods[單選題]53.以下哪個不是HDFS的守護進程A)SecondaryNameNodeB)NameNodeC)MrappMaster/YarnChildD)DataNode[單選題]54.下列選項中無法通過大數(shù)據(jù)技術實現(xiàn)的是?()A)商業(yè)模式發(fā)現(xiàn)B)信用評估C)商品推薦D)運營分析[單選題]55.下列關于構造方法的敘述中,錯誤的是()A)Java語言規(guī)定構造方法名與類名必須相同B)Java語言規(guī)定構造方法沒有返回值,但不用void聲明C)Java語言規(guī)定構造方法不可以重載D)Java語言規(guī)定構造方法只能通過new自動調(diào)用[單選題]56.HBase依賴()提供強大的計算能力A)ZookeeperB)ChubbyC)RPCD)MapReduce[單選題]57.有序集的中間值或者中間兩個值平均是()。A)平均值B)中位數(shù)C)眾數(shù)D)以上都不是[單選題]58.設計分布式數(shù)倉庫hive的數(shù)據(jù)表時,為取樣更高效,一般可以對表中的連續(xù)字段進行什么操作。A)分桶B)分區(qū)C)索引D)分表[單選題]59.YARN中設置隊列Queue的最大使用資源量,需要配置哪個參數(shù)?A)yarnschedulercapacity.root.Queueaminimum-user-limitmpercentB)yarn.schedulercapacity.root.Queueamaximum-capacityC)yam.schedulercapacity.root.Queuea,minimum.user-limit-factorD)yarnschedulercapacity.root.Queuea/stat[單選題]60.以下哪個聚類方法又叫快速聚類法()A)K-means聚類法B)層次聚類法C)系統(tǒng)聚類法D)兩步聚類法[單選題]61.Javaapplication中的主類需包含main方法,main方法的返回類型是什么?A)intB)floatC)doubleD)void[單選題]62.以下四項指標中,不能用于線性回歸中的模型比較的是()。A)R方B)調(diào)整R方C)AICD)BIC[單選題]63.對于Hive中關于普通表和外部表描述不正確的是?A)默認創(chuàng)建普通表B)刪除外部表時,只除外部表數(shù)據(jù)而不刪除元數(shù)據(jù)C)外部實質(zhì)是將已存在于HDFS上的文件路徑跟表關聯(lián)起來D)刪除普通表時,元數(shù)據(jù)和數(shù)據(jù)同時被刪除[單選題]64.在Hadoop生態(tài)組件中,個產(chǎn)品可用于復雜的批量數(shù)據(jù)處理。()A)MapReduce、HiveB)ImpalaC)StormD)Mahout[單選題]65.在使用對應分析方法時，()會幫助提升結果的有效性A)采用卡方檢驗作為預分析B)精簡變量C)異常值處理D)以上都是[單選題]66.主成分分析算法認為數(shù)據(jù)的信息是包含在()中。A)方差B)均值C)誤差D)極值[單選題]67.Hadoop集群中存在的最主要瓶頸是(A)CPUB)網(wǎng)絡C)磁盤I0D)內(nèi)存[單選題]68.字段cost的最大最小值分別是1200元和9800元。利用最大-最小規(guī)范化的方法將屬性的值映射到0至1的范圍內(nèi)。則cost值為7360元將被轉化為()。A)0.751B)0.163C)0.457D)0.716[單選題]69.下列有關C4.5算法的說法中不正確的是()A)每個節(jié)點的分支度只能為2B)使用gainratio作為節(jié)點分割的依據(jù)C)可以處理數(shù)值型態(tài)的字段D)可以處理空值的字段[單選題]70.下面對Streaming中基礎概念說法不正確的是()?A)Topology是streaming中運行的一個實時應用程序B)Nimbus負責資源分配和任務調(diào)度C)Spout是在一個topology中接受數(shù)據(jù)然后執(zhí)行處理的組件D)Worker運行具體處理組件邏輯的進程[單選題]71.關于數(shù)據(jù)挖掘的方法論CRISP-DM說法正確的是()。A)這是SPSS公司,DaimlerChrysler提出的數(shù)據(jù)挖掘流程B)主要分為六步,業(yè)務理解,數(shù)據(jù)理解數(shù)據(jù)準備,模型搭建,模型評估與模型發(fā)布C)該方法論已經(jīng)成功的在SASEM中進行了實施D)這六個過程有嚴格的前后順序,析過程中不能逆轉或者跳轉[單選題]72.Fusioninsight產(chǎn)品中,關乎Kafka說法不正確的是?A)Kafka強依賴ZookeeperB)Kafka的服務端可以產(chǎn)生消息C)Kafka的部署的實例個數(shù)不得小于2D)Consumer作為Kafka的客戶端角色專門進行消息的消費[單選題]73.以下哪個部分不是一篇數(shù)據(jù)分析報告必須有的。()A)標題B)正文C)結論與建議D)附錄[單選題]74.一元回歸分析與多元回歸分析的主要區(qū)別是(A)因變量個數(shù)不同B)建立回歸模型的計算量不同C)回歸分析原理不同D)回歸分析步驟不同[單選題]75.在以下語句中，哪個是降序查詢t1表中不同城市pm10的平均值():A)selectB)selectC)selectD)select[單選題]76.為什么DBSCAN算法難以有效處理高維數(shù)據(jù)。()A)數(shù)據(jù)的形狀太復雜B)簇的大小未知C)噪聲點過多D)開銷過大[單選題]77.一組數(shù)據(jù)為1、3、5、7、9，它們的樣本方差為()A)8B)10C)12D)14[單選題]78.下列關于Flinkbarrier描述錯誤的是?A)一個barrier將本周期快照的數(shù)據(jù)與下一個周期快照的數(shù)據(jù)分隔開B)barrier是F1ink快照的核心C)在插入barrier的時候,會暫時阻斷數(shù)據(jù)流D)barrier周期性插入到數(shù)據(jù)流中,并作為數(shù)湉流的一部分隨之流動[單選題]79.分析師小A在建立了多元線性回歸模型后，發(fā)現(xiàn)殘差出現(xiàn)了異方差，那么小A可以考慮()A)對因變量取自然對數(shù)B)對自變量取自然對數(shù)C)將模型的常數(shù)項強制為0D)對因變量乘以某一個系數(shù)A進行放大或者縮小[單選題]80.Hadoop平臺中HBase的Region是由哪個服務進程來管理?A)HMasterB)DataNodeC)RegionServerD)Zookeeper[單選題]81.檢驗單總體方差的過程中，檢驗統(tǒng)計量服從()。A)標準正態(tài)分布B)正態(tài)分布C)卡方分布D)t分布[單選題]82.關于Hadoop單機模式和偽分布式模式的說法正確的是()。A)兩者都起守護進程,且守護進程運行在一臺機器上B)單機模式不使用HDFS,但加載守護進程C)兩者都不與守護進程交互,避免復雜性D)后者比前者增加了HDFS輸入輸出以及可檢查內(nèi)存使用情況[單選題]83.HFile數(shù)據(jù)格式中的Metalndex字段用于()。A)Meta塊的長度B)Meta塊的結束點C)Meta塊數(shù)據(jù)內(nèi)容D)Meta塊的起始點[單選題]84.下面哪個程序負責HDFS數(shù)據(jù)存儲。A)NameNodeB)JobtrackerC)DatanodeD)secondaryNameNode[單選題]85.FusioninsightHD系統(tǒng)審計日志不可以記錄下面哪些操作?A)手動清除告警B)啟停服務實例C)查詢歷史監(jiān)控D)除服務實例[單選題]86.關于MapReduce框架中一個作業(yè)的reduce任務數(shù),下列說法正確的是()。A)由自定義的Partitioner來確定B)是分塊總數(shù)目的一半C)可以由用戶來自定義,通過JobConf.setNumReducetTask(int)來設定一個作業(yè)中reduce的任務數(shù)目D)由MapReduce隨機確定其數(shù)目[單選題]87.以下關于HiveSQL基本操作描述正確的是?()A)創(chuàng)建外部表必須要指定Location信息B)創(chuàng)建外部表使用external關鍵字,創(chuàng)建普通表需要指定internal關鍵字C)加教數(shù)據(jù)到Hive時源數(shù)據(jù)必列是HDFS的一個路徑D)創(chuàng)建表時可以指定列分割符[單選題]88.下列哪個類的聲明是正確的?()A)abstractfinalclassHI}B)abstractprivatemove(0C)protectedprivatenumber;D)publicabstractclassCar{}[單選題]89.某班級同學在一個月后的期末考試成績前50%將參加某項學科競賽，現(xiàn)組織同學進行測驗，小鄭考了84分，他希望評估自己是否有希望參加學科競賽，因此將他的成績與班級成績()進行比較是最合理的。A)平均數(shù)B)中位數(shù)C)眾數(shù)D)四分位差[單選題]90.以下哪個channel類型的數(shù)據(jù)不會持久化()?A)FileChanneB)MemoryChannelC)JDBCChannelD)HDFSChannel[單選題]91.以下關于Zookeeper的Leader節(jié)點在收到數(shù)據(jù)變更請求后的讀寫流程說法正確的是?A)僅寫入內(nèi)存B)同時寫入磁盤和內(nèi)存C)先寫入內(nèi)存再寫入磁盤D)先寫磁盤再寫內(nèi)存[單選題]92.希望將不同數(shù)據(jù)表中的數(shù)據(jù)進行關聯(lián)的時候，我們可以采用表連接。以下不是sql表連接方式的一個是()A)rightB)leftC)unionD)all[單選題]93.對各變量值的連乘積開項數(shù)次方根的平均數(shù)是【)。A)平方平均數(shù)B)幾何平均數(shù)C)算術平均數(shù)D)D調(diào)和平均數(shù)[單選題]94.假設一組數(shù)據(jù)的取值從?923到899。數(shù)據(jù)中最大絕對值為923。因此，我們用1000除每個值。因此，?923被規(guī)范化為?0、923，而899被規(guī)范化為0、899，這種數(shù)據(jù)規(guī)范化被稱為()。A)小數(shù)定標規(guī)范化B)z-score規(guī)范化C)對數(shù)規(guī)范化D)歸一化規(guī)范化[單選題]95.以下哪個SQL函數(shù)可以完成對數(shù)字的四舍五入()。A)floorB)ceilingC)roundD)truncate[單選題]96.在Fusioninsight產(chǎn)品中,關于創(chuàng)建Kafka的Topic,以下哪些描述是正確的?A)在創(chuàng)建Kafka的Topic時,必須設置Partition個數(shù)B)在創(chuàng)建Kafka的topic時,必須設置Partition副本個數(shù)C)設置多副本可以增強Kafka服務的容災能力D)以上全都正確[單選題]97.下表為一交易數(shù)據(jù),請問a→c的支持度(Support)為()。TIDItemsBought1a.b.c2a,c3a,e4b.e.gA)0.75B)0.5C)1D)0.666[單選題]98.下列關于for循環(huán)和while循環(huán)的說法中哪個是正確的?()A)while循環(huán)能實現(xiàn)的操作,for循環(huán)也都能實現(xiàn)B)while循環(huán)判斷條件一般是程序結果,for循環(huán)判斷條件一般是非程序結果C)兩種循環(huán)任何時候都可替換D)兩種循環(huán)結構中都必須有循環(huán)體,循環(huán)體不能為空[單選題]99.以下不屬于消費者購買行為分析的產(chǎn)品因素的是()A)便利信息B)偏好信息C)價格信息D)評價信息[單選題]100.若要對比各個國家之間的人均收入與人均支出的離散程度，應使用以下哪種統(tǒng)計量()。A)方差B)離差C)離散系數(shù)D)相關系數(shù)[單選題]101.傳統(tǒng)數(shù)據(jù)處理的數(shù)據(jù)單位?A)TBB)EBC)PBD)GB[單選題]102.大數(shù)據(jù)時代,數(shù)據(jù)使用的關鍵是()A)數(shù)據(jù)收集B)數(shù)據(jù)存儲C)數(shù)據(jù)分析D)數(shù)據(jù)再利用[單選題]103.以下哪個關鍵字可以用來為對象加互斥鎖?A)transientB)staticC)serializeD)synchronized[單選題]104.關于MapReduceShuffle過程合并(combine)操作,兩個健值對<"a",1>和<"a",1>經(jīng)過合并操作結果為()。A)<"a",2>B)<?a?,<1,1>C)<"a,a",2>D)<"a,a",<1,1>>[單選題]105.以下關于fusioninsightCTbase的描述不正確的是?A)CThase的讀寫數(shù)據(jù)接口,統(tǒng)一封裝了行定義的接口,自動進行冷字段的合并和解析,不需要在應用程序中進行合并和解釋B)CTHBase是基于Hbase的聚簇表開發(fā)框架C)CTHbase提供了一套Webui進行元數(shù)據(jù)定義,提供了只管醫(yī)用的表設計工具,降低表設D)CTHbase的javaAPI提供一套Hbase連接池管理的接口,內(nèi)部進行連接共享,減少客戶端應用開發(fā)難度。[單選題]106.下列關于邏輯回歸介紹錯誤的是()A)邏輯回歸是無監(jiān)督學習B)邏輯回歸是有監(jiān)督學習C)邏輯回歸是非線性回歸D)邏輯回歸的輸出是介于0到1之間的值[單選題]107.貝葉斯決策是根據(jù)()進行決策的一種方法。A)極大似然概率B)先驗概率C)邊際概率D)后驗概率[單選題]108.下面屬于有監(jiān)督學習的是？A)數(shù)據(jù)統(tǒng)計B)分類C)聚類D)關聯(lián)分析[單選題]109.一個電瓶車制造商聲稱，其生產(chǎn)的電瓶車正常行駛條件下大于40公里，對一個由20輛電瓶車組成的隨機樣本作了試驗，測得平均值為50公里，標準差為10公里。已知電瓶車的行駛距離服從正態(tài)分布，我們希望檢驗該制造商的產(chǎn)品同他所說的標準相符？我們應該選擇()A)單側t檢驗B)雙側t檢驗C)單側F檢驗D)雙側F檢驗[單選題]110.在處理后臺數(shù)據(jù)時，有一列客戶輸入變量名為?您的愛好?，共有5個不同的選項，但是有70%左右的客戶這一項的數(shù)據(jù)沒有填寫，那么那一項的處理方式更合理()？A)建模前先將這個變量刪除B)將這一項沒有填寫的客戶歸為第6類C)用前5項的眾數(shù)替換缺失值D)提出這部分未填寫愛好的客戶信息[單選題]111.Java中關于父子類描述正確的是A)一個子類可以有多個父類,一個父類也可以有多個子類B)一個子類可以有多個父類,但一個父類只可以有一個子類C)一個子類可以有一個父類,但一個父類可以有多個子類D)上述說法都不對[單選題]112.下列選項中,關于Zookeeper可靠性含義說法正確的是?A)可靠性通過主備部署模式實現(xiàn)B)可靠性是指更新更新只能成功或失敗沒有中間狀態(tài)C)可靠性是指無論個server,對外展示的均是同一個視圖D)可靠性是指一個消息被一個Server它將被所有的Server接受[單選題]113.下列哪種方法不能用于檢驗一元線性回歸殘差是否服從正態(tài)分布()A)PP圖B)SW檢驗C)KS檢驗D)ADF檢驗[單選題]114.關系型數(shù)據(jù)庫的完整性約束條件有()。A)主鍵約束B)非空約束C)唯一約束D)以上都是[單選題]115.HFile數(shù)據(jù)格式中的KeyValue數(shù)據(jù)格式中Value部分是()。A)擁有復雜結構的字符串B)字符串C)二進制數(shù)據(jù)D)壓縮數(shù)據(jù)[單選題]116.下列不屬于非平穩(wěn)時間序列的確定性因素是(A)規(guī)則變動B)長期趨勢C)季節(jié)變動D)循環(huán)變動[單選題]117.編譯Java源程序文件將產(chǎn)生相應的字節(jié)碼文件,這些字節(jié)碼文件的擴展名為A)byteB)classC)htmlD)exe[單選題]118.在數(shù)據(jù)安全及處理效率方面,不適宜大數(shù)據(jù)分析的軟件是()。A)SASB)StataC)MatLabD)SPSS第2部分：多項選擇題，共74題，每題至少兩個正確答案,多選或少選均不得分。[多選題]119.箱線圖包含的五個統(tǒng)計量是()。A)中位數(shù)B)眾數(shù)C)四分位數(shù)D)最值[多選題]120.下列關于BloomFilter的描述正確的是?A)是一個很長的二進制向量和一系列隨機映射函數(shù)B)沒有誤算率C)有一定的誤算率D)可以在BloomFilter中刪除元素[多選題]121.下列關于Worker(工作進程exector(線程)、Task(任務)說法正確的是?A)每個Executor(線程可以運行多個task任務B)每個Worket運行多個exector(線程)C)每個Workst只能為個拓撲運行Executor(線程)D)每個Executor運行不同組件(Spout或Bolt)的Task(任務)[多選題]122.下列哪些國家已經(jīng)將大數(shù)據(jù)上升為國家戰(zhàn)略?A)英國B)日本C)美國D)法國[多選題]123.下面對Streaming說法正確的是()?A)事件驅動B)連續(xù)查詢C)數(shù)據(jù)不存儲,先計算D)實時響應,低延遲[多選題]124.大數(shù)據(jù)處理流程可以概括為以下哪幾步?A)挖掘B)采集C)統(tǒng)計和分析D)導入和預處理[多選題]125.Spark可以接收哪些來源的數(shù)據(jù)?A)YARNB)HDFSC)HIVED)HBase[多選題]126.關于HadoopHDFS名稱節(jié)點中的元數(shù)據(jù)信息,下面說法正確的是()。A)文件是什么:包括目錄自身的屬性信息,例如文件名,目錄名,修改信息等B)文件被分成了多少塊C)每個塊和文件之間的映射信息D)每個文件具體被存儲到哪個服務器上[多選題]127.在數(shù)據(jù)庫系統(tǒng)中,產(chǎn)生不一致的根本原因是:()A)數(shù)據(jù)存儲量太大B)并發(fā)控制不當C)未對數(shù)據(jù)進行完整性控制D)數(shù)據(jù)冗余[多選題]128.數(shù)據(jù)分析報告的金字塔原理所遵循的原則是()。A)歸類分組B)邏輯遞進C)以下統(tǒng)上D)結論先行[多選題]129.變量?產(chǎn)品?的類型有?家電?，?五金?，?廚衛(wèi)?，?其他?，如果將?行業(yè)?轉為啞變量，某產(chǎn)品屬于五金，那么下面對于這個產(chǎn)品分類類型記錄正確的是()A)B)C)D)[多選題]130.下列()可以作為集群的管理工具。A)PuppetB)Rsync+ssh+scpC)PdshD)ClouderaManager[多選題]131.下列關于基于大數(shù)據(jù)的營銷模式和傳統(tǒng)營銷模式的說法中錯誤的是()。A)傳統(tǒng)營銷模式比基于大數(shù)據(jù)的營銷模式投入更小B)傳統(tǒng)營銷模式比基于大數(shù)據(jù)的營銷模式針對性更強C)傳統(tǒng)營銷模式比基于大數(shù)據(jù)的營銷模式轉化率低D)基于大數(shù)據(jù)的營銷模式比傳統(tǒng)營銷模式實時性更強[多選題]132.審核回收的調(diào)研數(shù)據(jù)需要做以下哪些數(shù)據(jù)清洗。()A)補充缺失值B)剔除異常值C)剔除數(shù)據(jù)重復D)調(diào)整不一致的數(shù)據(jù)[多選題]133.以下關于Zookeeper的Leader選舉說法正確的是?A)當實例n為奇數(shù)時,假定n=2x+1,則成為leader節(jié)點需要x+1票B)Zookeeper選舉1eader時,需要半數(shù)以上票數(shù)C)當實例數(shù)為8時則成為leader容災能力為4D)當實例數(shù)n為奇數(shù)時,假定n=2x+1,則成為leader節(jié)點需要X票[多選題]134.邏輯回歸是數(shù)據(jù)挖掘算法中常用的模型算法,以下關于邏輯回歸的說法正確的是()。A)異常值不會對模型造成很大的干擾。B)邏輯回歸的自變量必須是分類變量,因此要對連續(xù)型變量進行離散化處理。C)邏輯回歸屬于分類算法。D)邏輯回歸對模型中自變量的多重共線性較為敏感。[多選題]135.FusioninsightManager可以對哪些項目進行健康檢查?()A)角色B)主機C)服務D)實例[多選題]136.以下屬于線性回歸基本假設的有()A)誤差項ε的期望等于1B)誤差項ε的方差等于1C)誤差項ε相互獨立D)誤差項ε服從正態(tài)分布[多選題]137.20世紀中后期至今的媒介革命,以()的出現(xiàn)為標志A)互聯(lián)網(wǎng)B)自動化C)計算機D)數(shù)字化[多選題]138.基于Hadoop開源大數(shù)據(jù)平臺主要提供了針對數(shù)據(jù)分布式計算和存儲能力,如下屬于分布式存儲組件的有?A)MRB)SparkC)HDFSD)HBase[多選題]139.執(zhí)行HBase讀數(shù)據(jù)業(yè)務,需要讀取哪幾部分數(shù)據(jù)?A)HFileB)HLogC)MemStoreD)HDFS[多選題]140.以下有關直線回歸方程的說法正確的是()。A)建立前提條件是現(xiàn)象之間具有較密切的線性相關關系B)關鍵在于確定方程中的參數(shù)a和bC)表明兩個相關變量間的數(shù)量變動關系D)可用來根據(jù)自變量值推算因變量值,并可進行回歸預測[多選題]141.某銷售團隊進行客戶估值的時候，進行了一次多元線性回歸，模型結果無效，可能的原因有()A)殘差標準誤太小了B)存在異方差C)自變量之間不存在相關性D)存在序列相關[多選題]142.數(shù)據(jù)離散化的方法有哪些()。A)隨機取值B)等距離敬法C)數(shù)值規(guī)約D)等頻離散法[多選題]143.HBase系統(tǒng)用于記錄Region相關信息的表,具體的表包含()。A)ROOT-B)-ADMIN-C)··META.D)···SYSTEM.[多選題]144.若在消息處理過程中允并部分信息丟失,關閉消息可靠性處理機制的方式有以下哪些?A)將參數(shù)Config.Topology_ACKKRS設置為0B)將參數(shù)Config.Topology_ACKKRS設置為FalseC)Spout發(fā)送消息時,使用不指定消息messageid的接口進行發(fā)D)Bolt發(fā)送消息時使用Unanchor方式發(fā)送[多選題]145.Hadoop及其生態(tài)系統(tǒng),可以部署在()A)LinuxB)OS/2C)DOSD)UNIX[多選題]146.Hbase中包含的一些典型的Filter有哪些?()A)SingleColumValueFilterB)FilterListC)RowFilterD)KeyOnlyFilter[多選題]147.大數(shù)據(jù)作為一種數(shù)據(jù)集合,當我們使用這個概念的時候,實際包含有哪幾層含義?A)數(shù)據(jù)很大B),構成復雜C)變化很快D)蘊含大價值[多選題]148.隨機森林指的是利用多棵樹對樣本進行訓練并預測的一種分類器,以下針對隨機森林算法的表述,錯誤的是()。A)隨機森林算法的分類精度會隨著決策樹數(shù)量的增加而提高。B)隨機森林算法對異常值和缺失值不敏感。C)隨機森林算法不需要考慮過擬合問題。D)決策樹之間相關系數(shù)越低、每棵決策樹分類精度越高的隨機森林模型的分類效果越好。[多選題]149.大數(shù)據(jù)在經(jīng)濟治理方面的作用有()。A)推導宏觀趨勢B)降低銀行壞賬率C)打擊假冒偽劣D)提高生產(chǎn)效率[多選題]150.下列選項中,哪些是Mapreduce一定會有的過程?A)CombineB)MapC)ReduceD)Partition[多選題]151.Sparkdriver的功能是什么()A)是作業(yè)的主進程B)負責了作業(yè)的調(diào)度C)負責向HDFS申請資源D)負責作業(yè)的解析[多選題]152.Yarn中,?從?節(jié)點負責以下哪些工作?A)集群中所有資源的一管理和分配B)監(jiān)督container的生命周期管理C)監(jiān)控每個Container的資源使用(內(nèi)存、CPU等)情況D)管理日志和不同應用程序用到的附屬服務[多選題]153.當前,大數(shù)據(jù)產(chǎn)業(yè)發(fā)展的特點是()。A)規(guī)模較大B)規(guī)模較小C)增速很快D)增速緩慢[多選題]154.以下關于Hadoop的HDFS描述正確的有?A)HDFS由NameNode,DataNode,client組成B)HDFS備NameNode上的元數(shù)據(jù)是主NameNode同步過去的C)HDFS采用就近的機架節(jié)點進行數(shù)據(jù)的第一副本存儲D)HDFS適適合寫一次,多次讀取的讀寫[多選題]155.Hadoop通過ResourceManager對集群資源進行管理,它的主要功能有?A)集群資源調(diào)度B)應用程序管理C)集群資源管理D)日志管理[多選題]156.信息一體化平臺可以采集以下哪些數(shù)據(jù)()?A)SCADA數(shù)據(jù)B)視頻圖像C)故障錄波數(shù)據(jù)D)管理信息數(shù)據(jù)[多選題]157.常見的確定性時間序列模型有()A)加法模型B)減法模型C)乘法模型D)除法模型[多選題]158.以下關于靈敏度和特異度的說法，正確的是()A)靈敏度越高，邏輯回歸模型越有效B)靈敏度越低，邏輯回歸模型越有效C)特異度越高，邏輯回歸模型越有效D)特異度越低，邏輯回歸模型越有效[多選題]159.以下關于異方差情況的說明，正確的有()A)條件異方差指的是殘差的方差隨自變量變化而變化B)條件異方差指的是殘差的方差不隨自變量變化而變化C)非條件異方差指的是殘差的方差隨自變量變化而變化D)非條件異方差指的是殘差的方差不隨自變量變化而變化[多選題]160.Hadoop作為分布式計算技術的杰出代表,其主要特征包括()。A)可靠性B)健壯性C)簡單性D)高效性[多選題]161.在以下語句中，哪些是查詢t1表中北京和上海的相關記錄():A)selectB)selectC)selectD)select[多選題]162.常用的識別異常數(shù)據(jù)的方法有(。A)物理判別法B)統(tǒng)計判別法C)經(jīng)驗法D)檢驗法[多選題]163.下列關于數(shù)生命周期管理的核心認識中,正確的是()A)數(shù)據(jù)從產(chǎn)生到被刪除銷毀的過程中,具有多個不同的數(shù)據(jù)存在階段B)在不同的數(shù)據(jù)存在階段,數(shù)據(jù)的價值是不同的C)根據(jù)數(shù)據(jù)價值的不同應該對數(shù)據(jù)采取不同的管理策略D)數(shù)據(jù)生命周期管理旨在產(chǎn)生效益的同時,降低生產(chǎn)成本[多選題]164.關于spark中數(shù)據(jù)傾斜引發(fā)原因正確的選項有()A)key本身分布不均衡B)計算方式有誤C)過多的數(shù)據(jù)在一個task里面D)shuffle并行度不夠[多選題]165.下列哪些方法屬于非概率抽樣()。A)判斷抽樣B)整群抽樣C)配額抽樣D)滾雪球抽樣[多選題]166.可通過GOOSE報文傳遞的應用數(shù)據(jù)包括()A)交流采樣值B)直流/溫度值C)檔位信息D)開關量[多選題]167.關于眾數(shù)說法正確的是(1。A)不受分布數(shù)列的極大或極小值的影響B(tài))若將無眾數(shù)的分布數(shù)列重新分組或各組頻數(shù)依序合并,又會使分配數(shù)列再現(xiàn)出明顯的集中趨勢C)如果與眾數(shù)組相比鄰的上下兩組的次數(shù)相等,則眾數(shù)組的組中值就是眾數(shù)值,以此類推D)缺乏敏感性[多選題]168.下列哪個場景可以使用決策樹構建模型?()A)預測申辦信用卡的新客戶是否將來會變成卡奴B)保險公司針對特定族群做人壽保險的推銷C)找出購物籃里商品購買間的關聯(lián)D)根據(jù)生活作息推斷該病人得癌癥的機率[多選題]169.如果因變量和自變量之間的關系是非線性的，可以考慮使用()變換后，再進行線性回歸A)因變量取對數(shù)B)自變量乘以2C)自變量平方D)因變量乘以2[多選題]170.fusininsightHD平臺中,那些組件支持對列表加密?A)HDFSB)FlinkC)hbaseD)hive[多選題]171.若檢驗統(tǒng)計量F近似等于1則表示()。A)組間方差中不包含系統(tǒng)因素的影響B(tài))組內(nèi)方差中不包含系統(tǒng)因素的影響C)組間方差中包含系統(tǒng)因素的影響D)方差分析中不應拒絕原假設[多選題]172.采用Flume傳輸數(shù)據(jù)過程中,為了防止因F1me進程重啟而丟失數(shù)據(jù),可以使用以下哪種Channel類型?A)MemoryChannelB)JDBCChannelC)FileChannelD)HDFSChannel[多選題]173.數(shù)據(jù)再利用的意義在于()。A)挖掘數(shù)據(jù)的潛在價值B)實現(xiàn)數(shù)據(jù)重組的創(chuàng)新價值C)利用數(shù)據(jù)可擴展性拓寬業(yè)務領域D)優(yōu)化存儲設備,降低設備成本[多選題]174.關于右偏分布，下列說法正確的是()。A)偏度系數(shù)小于0B)均值小于中位數(shù)，中位數(shù)小于眾數(shù)C)偏度系數(shù)大于0D)均值大于中位數(shù)，中位數(shù)大于眾數(shù)[多選題]175.ZKFC進程部署在hdfs中的以下那個節(jié)點上?()A)activenamenodeB)standbynamenodeC)datanodeD)以上全部不對[多選題]176.student表中記錄了同學每一次考試的成績。那么以下哪組sql代碼取數(shù)的結果中，id字段取值不會出現(xiàn)重復()A)selectB)selectC)selectD)select[多選題]177.數(shù)據(jù)預處理的常見方法有()。A)數(shù)據(jù)清理B)數(shù)據(jù)集成C)數(shù)據(jù)變換D)數(shù)據(jù)規(guī)約[多選題]178.下面哪些概念是HBase框架中使用的?A)HDFSB)GridFSC)ZookeeperD)EXT3[多選題]179.關于大數(shù)據(jù)的主要特征理解和描述正確的有?A)來源多,格式多B)增長速度快處理速度快C)存儲量大,計算里大D)數(shù)據(jù)的價值密度較低[多選題]180.Hadoop是當大數(shù)據(jù)平臺的事實標準,下列對Hadoop的描述中正確的是()。A)Hadoop是一個由Apache基金會開發(fā)的分布式系統(tǒng)開源架構B)Hadoop的初始設計思路來源于Google發(fā)布的學術論文C)Hadoop在當前衍生出一系列優(yōu)秀的開源項目,包括Hbase、Hive、Pig等D)Hadoop的兩個核心部分是HDFS(HbaseDistributedFileSystem)和MapReduce計算框架[多選題]181.在網(wǎng)絡爬蟲的爬行策略中,應用最為基礎的是()。A)深度優(yōu)先遍歷策略B)廣度優(yōu)先遍歷策略C)高度優(yōu)先遍歷策略D)反向鏈接策略[多選題]182.對于HBase分布式存儲系統(tǒng),下面說法正確的是()A)高可靠性B)高性能C)面向列D)可伸縮[多選題]183.以下選項哪些對聚類分析影響很大?()A)聚類分析B)回歸分析C)神經(jīng)網(wǎng)絡D)決策樹算法[多選題]184.在分類問題中,我們經(jīng)常會遇到正負樣本數(shù)據(jù)量不等的情況,比如正樣本為10w條數(shù)據(jù),負樣本只有1w條數(shù)據(jù),以下最合適的處理方法是()A)將負樣本重復10次,生成10w樣本量,打亂順序參與分類B)直接進行分類,可以最大限度利用數(shù)據(jù)C)從10w正樣本中隨機抽取1w參與分類D)將負樣本每個權重設置為10,正樣本權重為1,參與訓練過程[多選題]185.下面屬于遺傳算法的特點有()。A)求得全局最優(yōu)解B)算法并行化C)自適應和自學習性D)對未來的預測[多選題]186.PEST分析法是指【】。A)政治環(huán)境B)經(jīng)濟環(huán)境C)社會環(huán)境D)技術環(huán)境[多選題]187.SPSS中,數(shù)據(jù)整理的功能主要集中在【)等菜單中A)數(shù)據(jù)B)直銷C)分析D)轉換[多選題]188.用戶對HBaseRegion服務的讀寫過程,下面說法確的是()。A)用戶寫入數(shù)據(jù)時,被分配到相應Region服務器去執(zhí)行B)用戶數(shù)據(jù)首先被寫入到MemStore和Hlog中C)只有當操作寫入Hlog之后,commit(調(diào)用才會將其返回給客戶端D)當用戶讀取數(shù)據(jù)時,Region服務器會直接去磁盤上面的StoreFile中尋找[多選題]189.下列哪些方法可以用來對高維數(shù)據(jù)進行降維()A)LSSOB)主成分分析法C)聚類分析D)小波分析法[多選題]190.傳統(tǒng)數(shù)據(jù)密集型行業(yè)積極探索和布局大數(shù)據(jù)應用的表現(xiàn)是()。A)投資入股互聯(lián)網(wǎng)電商行業(yè)B)打通多源跨域數(shù)據(jù)C)提高分析挖掘能力D)自行開發(fā)數(shù)據(jù)產(chǎn)品[多選題]191.下面哪個組件可以在Hadoop集群中代替MR一些計算?A)SparkB)SqoopC)HiveD)Avro[多選題]192.為了分析客戶的類型，分析師小A進行了一次聚類分析。在評估聚類結果時，()A)組間平方和BSS越大，聚類效果越好B)組間平方和BSS越小，聚類效果越好C)組內(nèi)平方和WSS越大，聚類效果越好D)組內(nèi)平方和WSS越小，聚類效果越好第3部分：判斷題，共68題，請判斷題目是否正確。[判斷題]193.Hive是一種數(shù)據(jù)倉庫處理工具,使用類sql的HivesqlL語言實現(xiàn)數(shù)據(jù)查詢功能所有Hive的數(shù)據(jù)都存儲在HDFS中。A)正確B)錯誤[判斷題]194.邏輯回歸算法通常用于關聯(lián)規(guī)則挖掘。A)正確B)錯誤[判斷題]195.時間序列的主要目的是用來預測,根據(jù)已有的時間序列數(shù)據(jù)來預測未來的變化。A)正確B)錯誤[判斷題]196.barrier是一個特殊的元組,這些元組被周期性注入到流圖中并隨數(shù)據(jù)流在流圖中流動,每個barrier是當前快照下一個快照的分界線()。A)正確B)錯誤[判斷題]197.HDFS存儲數(shù)據(jù)時,關鍵數(shù)據(jù)根據(jù)實際業(yè)務需要保存在具有高度可靠性的節(jié)點中,通過修改Danodo的存儲策路,系統(tǒng)可以將數(shù)據(jù)強制保存在指定的節(jié)點組中。()A)正確B)錯誤[判斷題]198.Java系統(tǒng)本身對程序的邏輯錯誤沒有識別能力A)正確B)錯誤[判斷題]199.不能使用連續(xù)?=?給多個變量賦值A)正確B)錯誤[判斷題]200.Flume架構中,一個Source可以連接多個Channel。A)正確B)錯誤[判斷題]201.HBase是一套高性能的分布式數(shù)據(jù)集群,必須在大型機或者高性能的服務器上進行搭建。()。A)正確B)錯誤[判斷題]202.colocation(同分布)文件級的同分布實現(xiàn)文件的快速訪問,避免了因數(shù)據(jù)遷移帶來的大量網(wǎng)絡開銷()A)正確B)錯誤[判斷題]203.數(shù)據(jù)分析報告的目錄要盡可能的詳細,這樣才能完全體現(xiàn)報告的內(nèi)容。A)正確B)錯誤[判斷題]204.HDFS的NameNode保存了一個文件包括哪些數(shù)據(jù)塊,分布在哪些數(shù)據(jù)節(jié)點上,這些信息是存儲在內(nèi)存中的。A)正確B)錯誤[判斷題]205.Jinjia2模板引擎中提供的safe過濾器是用來啟動策略()。A)正確B)錯誤[判斷題]206.標識符中的字母區(qū)分大小寫A)正確B)錯誤[判斷題]207.相異度矩陣存儲n個對象兩兩之間的相似性,表現(xiàn)形式是一個的n維的矩陣。A)正確B)錯誤[判斷題]208.邏輯回歸算法只能用于二分類問題,即輸出只有兩種,分別代表兩個類別。A)正確B)錯誤[判斷題]209.Spark和Hadoop都不適用于選代計算的場景。A)正確B)錯誤[判斷題]210.Java標識符的長度沒有限制A)正確B)錯誤[判斷題]211.Flink采用checkpoint用程序運行中的容錯性。A)正確B)錯誤[判斷題]212.ORM模型中實現(xiàn)了3層映射關系,其中關系數(shù)據(jù)庫中的列映射為類屬性()。A)正確B)錯誤[判斷題]213.浮點類型數(shù)據(jù)不能進行求余運算A)正確B)錯誤[判斷題]214.數(shù)據(jù)分析是將數(shù)據(jù)轉化成信息,再將信息轉化成知識的過程。A)正確B)錯誤[判斷題]215.Hbase的數(shù)據(jù)文件File中一個Keyvalue格式包含Key,yale,Timestamp,Keytype等內(nèi)容A)正確B)錯誤[判斷題]216.邏輯樹分析法主要是幫助理清思路。A)正確B)錯誤[判斷題]217.數(shù)據(jù)規(guī)范化指將數(shù)據(jù)按比例縮放,使之落入一個特定的區(qū)域。規(guī)范化的常用方法有:最大-最小規(guī)范化、z-score規(guī)范化、小數(shù)定標規(guī)范化。A)正確B)錯誤[判斷題]218.四分位數(shù)是衡量離散趨勢的指標。A)正確B)錯誤[判斷題]219.Hadoop支持數(shù)據(jù)的隨機讀寫。A)正確B)錯誤[判斷題]220.變量賦初值不能使用連續(xù)?=?A)正確B)錯誤[判斷題]221.為減少寫入磁盤的數(shù)據(jù)量,mapreduce支持對MOF(mapoutfile)進行壓縮后再寫入。A)正確B)錯誤[判斷題]222.求余(%)的運算結果符號與除數(shù)相同A)正確B)錯誤[判斷題]223.因為甲公司的工資平均數(shù)比乙公司高,所以甲公司的工資水平比乙公司高。A)正確B)錯誤[判斷題]224.SQL中刪除表的命令是deletetable。A)正確B)錯誤[判斷題]225.聚類將類似的值聚成簇。直觀的,落在簇集合之外的值被視為離群點。A)正確B)錯誤[判斷題]226.折線圖主要用于顯示在相等時間間隔下數(shù)據(jù)的趨勢。A)正確B)錯誤[判斷題]227.Java變量避從先聲明后使用的原則A)正確B)錯誤[判斷題]228.如果NameNode意外終止,SecondaryNameNode會接替它使集群繼工作A)正確B)錯誤[判斷題]229.繪制詞云時,發(fā)現(xiàn)詞云中的中文全變成了小方框,是由于沒有指定合適的中文字體。A)正確B)錯誤[判斷題]230.在HDFSNameNode中Fslmage中并沒有記錄具體的記錄塊在哪些數(shù)據(jù)節(jié)點上存儲的,是通過數(shù)據(jù)節(jié)點和名稱節(jié)點在運行時不斷通過溝通而實時維護這些信息的,而這些信息都是存儲到內(nèi)存單中去了。A)正確B)錯誤[判斷題]231.Java的布爾類型與C語言相同A)正確B)錯誤[判斷題]232.Java源程序的文件名必須與public類的名稱完全一致A)正確B)錯誤[判斷題]233.符號常量名必須全部大寫A)正確B)錯誤[判斷題]234.由于高質(zhì)量的決策必然依賴于高質(zhì)量的數(shù)據(jù),因此數(shù)據(jù)預處理是知識發(fā)現(xiàn)過程的重要步驟。A)正確B)錯誤[判斷題]235.二級索引為提供了按照某些列的值進行素引的能力,一級索引先查索引表,再定位到數(shù)據(jù)表中的位置,不用全表掃描。A)正確B)錯誤[判斷題]236.簡單隨機抽樣中,各對象被抽中的概率可能會存在差異。A)正確B)錯誤[判斷題]237.分類是按照某種指定的屬性特征將數(shù)據(jù)歸類,需要確定類別的概念描述,并找出類判別準則。A)正確B)錯誤[判斷題]238.執(zhí)行下列代碼后,最終輸出結果為201。()list1=[10,45,201,32,78,55];print(len(list1))A)正確B)錯誤[判斷題]239.如果NameNode意外終止,SecondaryNameNode會接替它使集群繼續(xù)工作。A)正確B)錯誤[判斷題]240.如果YARN集群中只有Default、QueueA和QueueB子隊列,那么允許將他們的容里分別設置為60%、25%和22%A)正確B)錯誤[判斷題]241.BP網(wǎng)絡是目前應用最廣泛的神經(jīng)網(wǎng)絡模型之一,是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡。A)正確B)錯誤[判斷題]242.聚類分析中,各變量的取值范圍在數(shù)量級若差異過大,則會影響輸出結果。A)正確B)錯誤[判斷題]243.大數(shù)據(jù)時代是先有數(shù)據(jù)后有模式A)正確B)錯誤[判斷題]244.數(shù)據(jù)分類的步驟為:1建立一個聚類模型,描述數(shù)據(jù)類集或概念集;2使用模型對將來的或未知的對象進行分類。A)正確B)錯誤[判斷題]245.Hadoop的NameNode用于存儲文件系統(tǒng)的元數(shù)據(jù)A)正確B)錯誤[判斷題]246.flink是一個批處理和流處理結合的統(tǒng)一計算框架,其核心是-一個數(shù)據(jù)分發(fā)以及并行計算的流數(shù)據(jù)處理引擎。A)正確B)錯誤[判斷題]247.HBase對于空(NULL)的列,不需要占用存儲空間。A)正確B)錯誤[判斷題]248.Applicationmaster采用輪詢的方式通過RPC協(xié)議向ResourceManager申請和領取資源()A)正確B)錯誤[判斷題]249.BlockSize是不可以修改的。A)正確B)錯誤[判斷題]250.Spark使用內(nèi)存來存儲數(shù)據(jù)，Spark計算結果在斷電后可以持久保存。A)正確B)錯誤[判斷題]251.統(tǒng)計方法主要包括描述統(tǒng)計和推斷統(tǒng)計。A)正確B)錯誤[判斷題]252.形如X→Y的蘊含表達式,其中X和Y是不相交的項集。X稱為規(guī)則的左部或規(guī)則的前提(簡記為LHS),Y稱為規(guī)則的右部或規(guī)則的結論(簡記為RHS)。A)正確B)錯誤[判斷題]253.Secondarynamenode就是namenode出現(xiàn)問題時的備用節(jié)點。A)正確B)錯誤[判斷題]254.?詞云?就是對網(wǎng)絡文本中出現(xiàn)頻率較高的?關鍵詞?給予視覺上的突出,形成?關鍵詞云層?或?關鍵詞渲染?,從而過濾掉大量的文本信息,使訪問者只要一眼掃過文本就可以領路文本的主旨。A)正確B)錯誤[判斷題]255.HDFS機制中NameNode負責管理元數(shù)據(jù),Client端每次讀請求都需要從NameNode的元數(shù)據(jù)磁盤中讀取元數(shù)據(jù)信息以此獲取所讀文件在DataNode的位置A)正確B)錯誤[判斷題]256.分類不可用于提取描述重要數(shù)據(jù)類的模型或預測未來的數(shù)據(jù)趨勢。A)正確B)錯誤[判斷題]257.大數(shù)據(jù)的4V特點是Volume(數(shù)據(jù)量大)-Velocity(處理速度快)、Variety(多樣性)、Veracity(真實性)A)正確B)錯誤[判斷題]258.Python代碼"str1='Hello;print(str1.swapcase()?執(zhí)行的結果為'HELLO'。A)正確B)錯誤[判斷題]259.Hive中UNIONALL操作符用于合并兩個或多個select語句的結果集,結果集中,不允許有重復的值。A)正確B)錯誤[判斷題]260.Java應用程序編譯后生成二進制可執(zhí)行文件A)正確B)錯誤1.答案:B解析:2.答案:C解析:如果偏自相關函數(shù)ACF在n階之后迅速趨近于零，我們稱ACF具有n階截尾性。3.答案:C解析:4.答案:D解析:5.答案:C解析:6.答案:A解析:7.答案:B解析:8.答案:C解析:9.答案:B解析:10.答案:C解析:11.答案:A解析:12.答案:A解析:13.答案:A解析:14.答案:D解析:15.答案:C解析:其余三個都是線性處理，不改變異方差16.答案:A解析:17.答案:A解析:18.答案:A解析:如果序列本身是非平穩(wěn)的，通常我們有兩種處理方式，一是進行差分，二是進行對數(shù)變換。19.答案:C解析:20.答案:D解析:交互項可以分別度量斜率21.答案:D解析:where后不可以跟如max，min，sum之類的聚合函數(shù)。22.答案:D解析:23.答案:C解析:24.答案:A解析:25.答案:A解析:26.答案:A解析:truncate與drop是DDL語句，執(zhí)行后無法回滾；delete是DML語句，可回滾。27.答案:A解析:28.答案:D解析:層次聚類的特征就是可以給出樹狀的聚類過程，并根據(jù)樹狀結構給出聚類數(shù)量。29.答案:D解析:30.答案:A解析:31.答案:B解析:相關性是只有0、03，且其P值很大，所以是不顯著的。32.答案:B解析:參考中8個層次的介紹。33.答案:D解析:34.答案:A解析:35.答案:D解析:36.答案:A解析:一元的情況下F檢驗與t檢驗等同37.答案:C解析:5分類的變量，轉化為啞變量后，少一個，只需要4個就可以了。38.答案:C解析:39.答案:A解析:40.答案:B解析:41.答案:A解析:42.答案:A解析:43.答案:B解析:本題考查SQL語句中and的用法。and是求交集，同時需要滿足前后兩個條件才能返回結果，所以不可能存在銷售數(shù)量大于五同時又小于四的記錄，所以正確答案為B44.答案:A解析:p的閾值不是唯一確定的，需要根據(jù)測試集調(diào)整。45.答案:C解析:46.答案:B解析:47.答案:A解析:內(nèi)分位距（IQR），其他都不對。48.答案:D解析:49.答案:C解析:50.答案:C解析:51.答案:A解析:52.答案:D解析:53.答案:C解析:54.答案:A解析:55.答案:C解析:56.答案:D解析:57.答案:B解析:58.答案:A解析:59.答案:B解析:60.答案:A解析:K-means聚類法計算量非常小，因此又得名快速聚類法。61.答案:D解析:62.答案:A解析:63.答案:C解析:64.答案:A解析:65.答案:D解析:對應分析作為一種描述性的方法，觀察到的變量間聯(lián)系并沒有經(jīng)過驗證，因此得出結論時要萬分小心。比如可以采用卡方檢驗等方法作為預分析，或者精簡變量。即使在圖形中觀察到結論，也需要和原始數(shù)據(jù)反復觀察確認，避免錯誤判斷。另外，對應分析的結果也會受到異常值的影響。因此前期的數(shù)據(jù)清洗也非常重要。66.答案:A解析:主成分分析算法認為，數(shù)據(jù)的信息是包含在其方差當中的。如果一個變量方差很大，獲得它的抽樣值可以幫助我們消除很大一部分不確定性，因此它包含的信息較多。67.答案:C解析:68.答案:D解析:69.答案:A解析:70.答案:C解析:71.答案:B解析:72.答案:B解析:73.答案:D解析:74.答案:B解析:75.答案:A解析:本題考查SQL語句中分組和排序的方法。SQL語句中求平均的函數(shù)是avg而不是mean，故B錯；C中asc表示升序排列，而D中默認也是升序排列，故正確答案為A。76.答案:D解析:77.答案:B解析:公式>78.答案:C解析:79.答案:A解析:處理異方差可以對因變量進行非線性處理，這是通常應對異方差的方法之一。80.答案:C解析:81.答案:C解析:見單總體方差檢驗概念82.答案:D解析:83.答案:D解析:84.答案:C解析:85.答案:C解析:86.答案:C解析:87.答案:D解析:88.答案:D解析:89.答案:B解析:中位數(shù)是指中間位置的數(shù)，即50%。90.答案:B解析:91.答案:D解析:92.答案:D解析:連接后保留兩張表全部信息應使用fulljoin。93.答案:B解析:94.答案:A解析:根據(jù)定義。95.答案:C解析:floor(x)表示返回小于x的最大整數(shù)值（去掉小數(shù)取整），ceiling(x)表示返回大于x的最小整數(shù)值（進一取整），round(