原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
大数据复习题(答案)
大数据复习题
一、数据存储与处理
1.数据存储
1.1.什么是数据存储？
答：数据存储是将数据保存在计算机或其他存储介质中，
以便日后进行访问和检索。
1.2.数据存储的常见方式有哪些？
答：常见的数据存储方式包括关系型数据库、非关系型
数据库、文件系统、分布式文件系统等。
1.3.什么是关系型数据库？
答：关系型数据库是基于关系模型的数据库，其中数据
以表格的形式进行存储，并且表格之间存在关联关系。
1.4.什么是非关系型数据库？
答：非关系型数据库是指不使用关系模型的数据库，其
中数据以键值对、文档、列族等形式进行存储。
1.5.什么是文件系统？
答：文件系统是操作系统用来管理、存储和检索文件的
一种方法，可以将文件组织成层次结构，方便用户访问和管理。
1.6.什么是分布式文件系统？
答：分布式文件系统是一个由多台计算机组成的文件系
统，存储在不同计算机上的文件可以在整个系统中共享和访问。
2.数据处理
2.1.什么是数据处理？
答：数据处理是指对原始数据进行整理、分析、计算和
转化的过程，以便得到有意义的结果。
2.2.数据处理的常见方式有哪些？
答：常见的数据处理方式包括数据清洗、数据转换、数
据聚合、数据挖掘等。
2.3.什么是数据清洗？
答：数据清洗是指对原始数据进行去重、纠错、填充空
值等预处理操作，以提高数据的质量和准确性。
2.4.什么是数据转换？
答：数据转换是指将数据从一种格式或结构转变为另一
种格式或结构，以满足特定的需求。
2.5.什么是数据聚合？
答：数据聚合是指将多个数据集合并为一个数据集，以
便进行统计分析和处理。
2.6.什么是数据挖掘？
答：数据挖掘是指从大量的数据中提取隐藏在其中的有
用信息和模式，以支持决策和预测。
二、数据分析与挖掘
1.数据分析
1.1.什么是数据分析？
答：数据分析是指对收集到的数据进行探索和解释，以
发现数据背后的规律和趋势。
1.2.数据分析的常用工具有哪些？
答：常用的数据分析工具包括Excel、Python、R等。
1.3.数据分析的步骤是什么？
答：数据分析的步骤包括数据收集、数据清洗、数据探
索、数据建模和数据可视化等。
1.4.什么是数据可视化？
答：数据可视化是利用图表、图像等方式将数据以可视
化形式呈现，以增强数据的理解和传达。
2.数据挖掘
2.1.什么是数据挖掘？
答：数据挖掘是指从大量的数据中提取隐藏在其中的有
用信息和模式，以支持决策和预测。
2.2.数据挖掘的常用算法有哪些？
答：常用的数据挖掘算法包括分类算法、聚类算法、关
联规则算法等。
2.3.什么是分类算法？
答：分类算法是指根据已知的样本标签预测新的样本的
类别，常用的分类算法包括决策树、朴素贝叶斯等。
2.4.什么是聚类算法？
答：聚类算法是指将数据集中的对象按照相似度进行分
组，常用的聚类算法包括K均值、层次聚类等。
2.5.什么是关联规则算法？
答：关联规则算法是指从数据中发现项集之间的关联关
系，常用的关联规则算法包括Apriori、FP-growth等。
附件：
附件1：数据集示例
附件2：数据处理代码示
文档评论（0）