大数据建模练习试卷及答案.docxVIP

大数据建模练习试卷及答案

考试时间：______分钟总分：______分姓名：______

一、选择题（每题2分，共20分。请将正确选项的字母填在题号后的括号内）

1.下列哪一项不属于大数据的“4V”特征？

A.Volume（体量）

B.Velocity（速度）

C.Variety（多样性）

D.Veracity（真实性）

2.在大数据处理中，Hadoop生态系统中负责分布式存储的海量文件系统的组件是？

A.MapReduce

B.Hive

C.HDFS

D.YARN

3.以下哪种数据挖掘任务属于无监督学习？

A.分类

B.回归

C.聚类

D.序列模式挖掘

4.交叉验证（Cross-Validation）中，k折交叉验证通常要求k的取值范围是？

A.1≤kn

B.2≤k≤n

C.k=n

D.kn（n为数据集大小）

5.朴素贝叶斯分类器的基本假设是特征之间相互独立。这个假设在实际应用中往往难以满足，但其优点之一是？

A.模型复杂度低，计算效率高

B.对异常值不敏感

C.能处理高维数据

D.具有很好的泛化能力

6.下列哪种方法通常用于处理数据中的缺失值？

A.删除含有缺失值的记录

B.均值/中位数/众数填充

C.回归填充

D.以上都是

7.在特征工程中，“特征选择”的目标是？

A.生成新的特征

B.减少特征维度，去除冗余和不相关特征

C.对特征进行归一化处理

D.提高模型的解释性

8.评价分类模型性能的指标中，精确率（Precision）指的是？

A.真正例占所有正例的比例

B.真正例占所有实际正例（包括被错误分类为负例的）的比例

C.真正例占所有预测为正例（包括正确和错误预测为正例的）的比例

D.真正例占所有实际负例（包括被错误分类为正例的）的比例

9.下列关于Spark生态系统的描述，正确的是？

A.Spark只能进行批处理，不能进行流处理

B.SparkCore是Spark的基础，提供了RDD抽象和基本调度功能

C.SparkSQL主要用于构建复杂的图计算应用

D.SparkMLlib是一个独立的机器学习库，与SparkCore无关

10.在进行大规模数据集的模型训练时，为了避免内存溢出，可以采用哪种策略？

A.减小批量大小（BatchSize）

B.增加数据分区数

C.使用单线程执行

D.降低模型的复杂度

二、填空题（每空1分，共15分。请将答案填在横线上）

1.大数据技术通常需要处理的数据量达到______级别，对存储和计算能力提出了很高要求。

2.MapReduce模型中，Map阶段的输出通常被称为“键值对”形式的中间数据，其键通常是______。

3.决策树模型通过递归地划分数据空间，构建一个树形结构，其中每个非叶子节点代表一个______，每条边代表一个特征值。

4.在特征缩放中，标准化（Standardization）通常将数据转换成均值为0，标准差为1的分布，其公式为：x=(x-μ)/σ，其中μ代表______，σ代表______。

5.评价回归模型性能的常用指标包括均方误差（MSE）、均方根误差（RMSE）和______。

6.对于不平衡数据集，常用的处理方法包括过采样（Oversampling）、欠采样（Undersampling）以及使用______等。

7.在大数据处理流程中，数据清洗是______的关键步骤，直接影响后续分析的质量。

8.Hive是一个构建在Hadoop之上的数据仓库工具，它使用______语言进行数据查询和分析。

9.SparkStreaming是Spark生态系统中的一个组件，它能够实时处理有界或无界的______数据流。

10.机器学习模型评估中，除了关注模型在训练集上的表现，更重要的是评估其在______上的泛化能力。

三、简答题（每题5分，共20分）

1.简述大数据分析相对于传统数据分析的主要特点。

2.解释什么是数据预处理，并列举至少三种常见的数据预处理任务及其目的。

3.比较监督学习算法和非监督学习算法的主要区别。

4.什么是过拟合（Overfitting）？简述至少两种防止过拟合的常用方法。

四、计算题（每题10分