大數(shù)據(jù)分析導(dǎo)論知到智慧樹(shù)章節(jié)測(cè)試課后答案2024年秋南京工業(yè)大學(xué)

大數(shù)據(jù)分析導(dǎo)論知到智慧樹(shù)章節(jié)測(cè)試課后答案2024年秋南京工業(yè)大學(xué)第一章單元測(cè)試

下列選項(xiàng)中，哪個(gè)工具不是詞云工具（）。

A:微詞云

B:Highstock

C:BlueMC

D:美寄詞云

答案:Highstock

下列論據(jù)中，能夠支撐“大數(shù)據(jù)無(wú)所不能”的觀點(diǎn)的是()。

A:互聯(lián)網(wǎng)金融打破了傳統(tǒng)的觀念和行為

B:個(gè)人隱私泄露與信息安全擔(dān)憂

C:大數(shù)據(jù)存在泡沫

D:大數(shù)據(jù)具有非常高的成本

答案:互聯(lián)網(wǎng)金融打破了傳統(tǒng)的觀念和行為

大數(shù)據(jù)的最顯著特征是()。

A:數(shù)據(jù)類型多樣B:數(shù)據(jù)規(guī)模大C:數(shù)據(jù)價(jià)值高D:數(shù)據(jù)可視化

答案:數(shù)據(jù)規(guī)模大大數(shù)據(jù)的價(jià)值體現(xiàn)在（）。

A:大數(shù)據(jù)給思維方式帶來(lái)了沖擊

B:大數(shù)據(jù)實(shí)現(xiàn)了精準(zhǔn)營(yíng)銷

C:大數(shù)據(jù)的發(fā)力點(diǎn)在于預(yù)測(cè)

D:大數(shù)據(jù)助力智慧城市提升公共服務(wù)水平

E:大數(shù)據(jù)為政策制定提供科學(xué)論據(jù)

答案:大數(shù)據(jù)給思維方式帶來(lái)了沖擊

；大數(shù)據(jù)實(shí)現(xiàn)了精準(zhǔn)營(yíng)銷

；大數(shù)據(jù)的發(fā)力點(diǎn)在于預(yù)測(cè)

；大數(shù)據(jù)助力智慧城市提升公共服務(wù)水平

；大數(shù)據(jù)為政策制定提供科學(xué)論據(jù)

大數(shù)據(jù)分析的陷阱,包括：（）。

A:觀測(cè)維度有誤，造成“精心挑選的數(shù)據(jù)維度”

B:只信親身經(jīng)歷，造成“基于個(gè)案的認(rèn)知”

C:比較對(duì)象不當(dāng)，造成“缺失或不匹配的比較”

D:不謹(jǐn)慎的歸因，造成“相關(guān)性的誤解”

答案:觀測(cè)維度有誤，造成“精心挑選的數(shù)據(jù)維度”

；只信親身經(jīng)歷，造成“基于個(gè)案的認(rèn)知”

；比較對(duì)象不當(dāng)，造成“缺失或不匹配的比較”

；不謹(jǐn)慎的歸因，造成“相關(guān)性的誤解”

總結(jié)一下，為什么是大數(shù)據(jù)，為什么是現(xiàn)在？

答案:0傳統(tǒng)數(shù)據(jù)和大數(shù)據(jù)的區(qū)別？

答案:0

第二章單元測(cè)試

采集一手?jǐn)?shù)據(jù)，有兩種方式：（）。

A:實(shí)驗(yàn)

B:系統(tǒng)外部采集

C:調(diào)查

D:系統(tǒng)內(nèi)部采集

答案:實(shí)驗(yàn)

；調(diào)查

當(dāng)前大數(shù)據(jù)技術(shù)的基礎(chǔ)包括（）

A:分布式文件系統(tǒng)B:關(guān)系型數(shù)據(jù)庫(kù)C:分布式數(shù)據(jù)庫(kù)

D:分布式并行計(jì)算

答案:分布式文件系統(tǒng)；分布式數(shù)據(jù)庫(kù)

；分布式并行計(jì)算大數(shù)據(jù)產(chǎn)業(yè)發(fā)展的特點(diǎn)是（）。

A:規(guī)模較小

B:增速緩慢

C:增速很快

D:規(guī)模較大

E:多產(chǎn)業(yè)交叉融合

答案：ACE

答案:增速很快

；規(guī)模較大

；多產(chǎn)業(yè)交叉融合

答案：ACE

大數(shù)據(jù)采集的含義？

答案:0大數(shù)據(jù)采集的“六度”原則？

答案:0

第三章單元測(cè)試

非需求數(shù)據(jù)清洗階段，主要工作就是刪除不需要的字段。（）

A:錯(cuò)B:對(duì)

答案:對(duì)當(dāng)前，企業(yè)提供的大數(shù)據(jù)解決方案大多基于Hadoop開(kāi)源項(xiàng)目。（）

A:對(duì)B:錯(cuò)

答案:對(duì)大數(shù)據(jù)可以分析與挖掘前之前人們不知道或者沒(méi)有注意到的模式，可以從海量數(shù)據(jù)中發(fā)展趨勢(shì)，雖然也有不精準(zhǔn)的時(shí)候，但并不能因此而否定大數(shù)據(jù)挖掘的價(jià)值。（）

A:對(duì)B:錯(cuò)

答案:對(duì)大數(shù)據(jù)清洗的基本原理？

答案:0可視大數(shù)據(jù)清洗？

答案:可視化大數(shù)據(jù)清洗是指利用數(shù)據(jù)可視化技術(shù)幫助用戶直觀地識(shí)別、診斷和糾正數(shù)據(jù)集中的錯(cuò)誤、不完整、不準(zhǔn)確或無(wú)關(guān)信息的過(guò)程。這種方法通過(guò)圖表、圖形和其他視覺(jué)表現(xiàn)形式，使數(shù)據(jù)質(zhì)量問(wèn)題突出，從而便于數(shù)據(jù)工程師或分析師高效地進(jìn)行數(shù)據(jù)清洗工作。

第四章單元測(cè)試

CRISP-DM模型，又被稱為“跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程“,將數(shù)據(jù)挖掘分為了6個(gè)不同的，但順序并非完全不變的階段：分別是：商業(yè)理解、數(shù)據(jù)理解、數(shù)據(jù)預(yù)處理、建立模型、模型評(píng)估和方案實(shí)施。（）

A:錯(cuò)B:對(duì)

答案:對(duì)數(shù)據(jù)挖掘應(yīng)當(dāng)更正確地命名為“從數(shù)據(jù)中挖掘知識(shí)”，不幸的是它有點(diǎn)長(zhǎng)。許多人把數(shù)據(jù)挖掘視為另一個(gè)常用的術(shù)語(yǔ)‘?dāng)?shù)據(jù)庫(kù)中知識(shí)發(fā)現(xiàn)’或KDD的同義詞。而另一些人只是把數(shù)據(jù)挖掘視為數(shù)據(jù)庫(kù)中知識(shí)發(fā)現(xiàn)過(guò)程的一個(gè)基本步驟。（）

A:對(duì)B:錯(cuò)

答案:對(duì)7.數(shù)據(jù)挖掘就是對(duì)觀測(cè)到的數(shù)據(jù)集（經(jīng)常是很龐大的）進(jìn)行分析，目的是發(fā)現(xiàn)未知的關(guān)系和以數(shù)據(jù)擁有者可以理解并對(duì)其有價(jià)值的新穎方式來(lái)總結(jié)數(shù)據(jù)。（）

A:對(duì)B:錯(cuò)

答案:對(duì)8.運(yùn)用基于計(jì)算機(jī)的方法，包括新技術(shù)，從而在數(shù)據(jù)中獲得有用知識(shí)的整個(gè)過(guò)程，就叫做數(shù)據(jù)挖掘。（）

A:錯(cuò)B:對(duì)

答案:對(duì)什么是數(shù)據(jù)挖掘？

答案:數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中通過(guò)算法搜索隱藏、未知的但又是有用的信息和知識(shí)的過(guò)程。它是一種數(shù)據(jù)分析方法，用于發(fā)現(xiàn)數(shù)據(jù)中潛在的模式、趨勢(shì)、關(guān)聯(lián)和異常。數(shù)據(jù)挖掘技術(shù)結(jié)合了數(shù)據(jù)庫(kù)管理、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、人工智能和可視化等領(lǐng)域的知識(shí)，幫助人們從復(fù)雜的數(shù)據(jù)集中提取出有價(jià)值的信息，以支持決策制定、市場(chǎng)分析、風(fēng)險(xiǎn)評(píng)估等多種應(yīng)用。魯班系統(tǒng)中行動(dòng)器模塊的主要作用？

答案:0

第五章單元測(cè)試

如何從“煎雞蛋”模型理解數(shù)據(jù)可視化的作用？

答案:0子彈圖的含義與解釋？

答案:0柱狀圖的局限？

答案:0分布類數(shù)據(jù)的可視化？

答案: