2025年数据科学与大数据技术专业考试题及答案.docxVIP

2025年数据科学与大数据技术专业考试题及答案

一、单项选择题（每题2分，共20分）

1.以下关于数据类型的描述中，错误的是（）

A.身高（cm）属于连续型数值数据

B.用户性别（男/女）属于名义型分类数据

C.商品评分（1-5星）属于有序型分类数据

D.日期（如2025-03-15）属于定比型数据

2.若某数据集的偏度（Skewness）为-1.2，峰度（Kurtosis）为3.8，说明该数据分布（）

A.左偏，尾部比正态分布更重

B.右偏，尾部比正态分布更轻

C.左偏，尾部比正态分布更轻

D.右偏，尾部比正态分布更重

3.以下机器学习算法中，不属于集成学习（EnsembleLearning）的是（）

A.随机森林（RandomForest）

B.梯度提升决策树（GBDT）

C.K近邻（KNN）

D.XGBoost

4.对于高维稀疏数据（如文本TF-IDF特征），最适合的降维方法是（）

A.主成分分析（PCA）

B.线性判别分析（LDA）

C.奇异值分解（SVD）

D.t-分布随机邻域嵌入（t-SNE）

5.以下关于HadoopHDFS的描述中，正确的是（）

A.默认块大小为32MB，适合存储大量小文件

B.元数据（NameNode）存储文件的位置信息，支持高并发读写

C.数据副本数默认为3，通过机架感知策略提高可靠性

D.支持随机读写，适合实时查询场景

6.在Spark中，RDD（弹性分布式数据集）的“持久化（Persist）”操作主要用于（）

A.将RDD数据写入磁盘，避免内存溢出

B.缓存RDD到内存或磁盘，减少重复计算

C.强制触发行动操作（Action），生成计算结果

D.将RDD转换为DataFrame，利用结构化查询优化

7.某分类模型的混淆矩阵如下（行：真实类别，列：预测类别）：

真实正类：TP=80，FN=20；真实负类：FP=10，TN=90。则模型的F1分数为（）

A.0.842

B.0.889

C.0.900

D.0.941

8.以下关于Kafka的描述中，错误的是（）

A.基于发布-订阅模式，支持高吞吐量消息传输

B.消息存储在“主题（Topic）”中，按分区（Partition）分布式存储

C.消费者通过偏移量（Offset）记录已消费位置，支持断点续传

D.适合实时数据流处理，但不支持离线数据回放

9.在数据清洗中，处理缺失值的方法不包括（）

A.用特征均值/中位数填充

B.删除缺失值超过阈值的样本或特征

C.用KNN算法预测缺失值

D.直接保留缺失值，由模型自行处理

10.对于时间序列预测任务，以下特征中最不相关的是（）

A.过去7天的平均值

B.当天是否为节假日

C.特征变量的滞后1期值（t-1）

D.特征变量的标准差（全局统计量）

二、填空题（每题2分，共20分）

1.统计学中，反映数据离散程度的常用指标有方差、标准差、______和四分位距。

2.机器学习中，过拟合的本质是模型对______的拟合能力过强，导致泛化能力下降。

3.关联规则挖掘中，支持度（Support）的计算公式为______。

4.HBase的表数据按______排序存储，底层依赖HDFS作为存储系统。

5.梯度下降算法中，每次仅用1个样本计算梯度的方法称为______。

6.自然语言处理（NLP）中，将文本转换为向量的经典方法有词袋模型（BagofWords）和______。

7.实时数据处理框架Flink的核心抽象是______，支持事件时间（EventTime）和处理时间（ProcessingTime）。

8.分类问题中，若正负样本比例为1:100，常用的评估指标是______（如精确率、召回率、F1分数、AUC-ROC等）。

9.分布式计算中，______是指将计算任务移动到数据所在的节点执行，以减少网络传输开销。

10.强化学习（ReinforcementLearning）的三要素是状态（State）、动作（Action）和______。

三、简答题（每题8分，共40分）

1.简述数据标准化（Z-ScoreNormalization）与归一化（Min-MaxScaling）的区别及应用场景。

2.对比监督学习与无监督学习的核心差异，并各举两个典型算法。

3.说明分布式计算中“数据本地性（