大数据课堂测验2.pdfVIP

.

.

1、简述大数据的来源与数据类型

大数据的来源非常多，如信息管理系统、网络信息系统、物联网系统、科学实验系统等，其数据类型包括构造化

数据、半构造化数据和非构造化数据。

2、大数据产生的三个阶段

〔1〕被动式生成数据

〔2〕主动式生成数据

（3）感知式生成数据

3、大数据处理的根本流程

1．数据抽取与集成

2．数据分析

3．数据解释

4、大数据的特征

4V1OVolume，Variety，Value，Velocity，On-Line

5、适合大数据的四层堆栈式技术架构

6、大数据的整体技术和关键技术

大数据的整体技术一般包括：数据采集、数据存取、根底架构、数据处理、统计分析、数据挖掘、模型预测和结

果呈现等。

大数据处理关键技术一般包括：大数据采集、大数据预处理、大数据存储及管理、开发大数据平安大数据分析及

挖掘、大数据展现和应用〔大数据检索、大数据可视化、大数据应用、大数据平安等〕。

7、新一代数据体系的分类

新一代数据体系中，将传统数据体系中没有考虑过的新数据源进展归纳与分类，可将其归纳到线上行为数据与内

容数据两大类别。

8、EDC系统的定义

临床试验电子数据采集〔ElectricDataCapture，EDC〕系统，在临床试验中的应用可以有效解决纸质CRF存在的

问题。EDC是通过互联网从试验中心〔Sites〕直接远程收集临床试验数据的一种数据采集系统。

9、EDC系统的根本功能

数据录入、数据导出、试验设计、编辑检查、操作痕迹、系统平安、在线交流、医学编码和支持多语言。

10、EDC系统的优点

〔1〕提高了临床研究的效率，缩短了临床研究周期

..word.zl.

.

.

〔2〕通过逻辑检查提高了数据质量

〔3〕对研究质量的监测更加方便

11、大数据采集的数据来源

大数据的三大主要来源为商业数据、互联网数据与传感器数据。

12、网络数据采集和处理的四个主要模块

网络爬虫〔Spider〕、数据处理〔DataProcess〕、URL队列〔URLQueue〕和数据〔Data〕。

13、大数据集成

在大数据领域中，数据集成技术也是实现大数据方案的关键组件。大数据中的集成是将大量不同类型的数据原封

不动的保存在原地，而将处理过程适当的分配给这些数据。这是一个并行处理的过程，当在这些分布式数据上执行请

求后，需要整合并返回结果。

14、数据集成时应解决的问题

数据集成时应解决的问题包括数据转换、数据的迁移、组织内部的数据移动、从非构造化数据中抽取信息和将数

据处理移动到数据端。

15、网络数据处理的四个模块及主要功能

分词〔WordsAnalyze〕、排重〔ContentDeduplicate〕、整合〔Integrate〕和数据，如图2-17所示。

这四个模块的主要功能如下。

1〕分词：对抓取到的网页内容进展切词处理。

2〕排重：对众多的网页内容进展排重。

3〕整合：对不同来源的数据内容进展格式上的整合。

4〕数据：包含两方面的数据，SpiderData和DpData。

16、大数据建模概念

大数据建模是为了理解事物而对事物做出的一种抽象，是对事物的一种无歧义的书面描述。

17、大数据分析模式分类

根据实时性，可分为在线分析和离线分析

根据数据规模，可分为内存级、BI级和海量级

根据算法复杂度的分类

18、大数据建模流程

定义问题、数据理解、数据准备、模型建立、模型评估、模型更新与结果部署等。

19、大数据建模应遵循的规律

以业务目标作为实现目标

业务知识是每一步的核心

做好数据预处理

试验对寻找解决方案是必要的

数据中总含