2025年大数据分析考试题及答案.docxVIP

2025年大数据分析考试题及答案

一、单项选择题（每题2分，共20分）

1.某电商平台用户行为数据中，“支付时间”字段存在大量“1970-01-0100:00:00”的异常值，最可能的原因是（）。

A.数据采集时时间戳未正确转换

B.用户故意填写错误时间

C.数据库字段类型设置为字符串

D.数据传输过程中发生加密错误

答案：A

2.以下特征工程操作中，属于“特征构造”而非“特征选择”的是（）。

A.使用卡方检验筛选与目标变量相关的特征

B.将用户“访问频率”与“平均停留时长”相乘提供“活跃指数”

C.通过随机森林的特征重要性排序剔除低贡献特征

D.对类别型特征“商品类目”进行独热编码

答案：B

3.某分布式计算任务中，Spark的shuffle操作耗时占比达70%，优化该任务的关键是（）。

A.增加Executor的CPU核心数

B.调整shuffle分区数，减少数据传输量

C.提升Driver节点的内存配置

D.改用HadoopMapReduce重新实现

答案：B

4.对于时序预测问题，若数据存在明显的周周期性（7天）和年周期性（365天），最优的特征构造方法是（）。

A.提取时间戳的“小时”“星期几”“月份”作为特征

B.计算当前值与前7天、前365天的差值作为滞后特征

C.使用傅里叶变换分解周期性成分

D.对时间戳进行多项式扩展（如t2、t3）

答案：C

5.以下关于数据倾斜的描述，错误的是（）。

A.数据倾斜可能导致部分任务节点内存溢出

B.对倾斜键添加随机前缀可缓解HadoopMapReduce的倾斜问题

C.Spark中可通过调整spark.sql.shuffle.partitions参数均衡数据分布

D.数据倾斜仅发生在聚合操作（如groupby）中

答案：D

6.训练一个预测用户购买意愿的分类模型，样本中“购买”标签占比仅2%，以下处理方式最不合理的是（）。

A.使用SMOTE算法提供合成正样本

B.调整模型损失函数的类别权重（正样本权重设为50）

C.采用分层抽样保持测试集的类别分布

D.直接删除负样本使正负样本比例1:1

答案：D

7.某企业需构建实时风控系统，要求延迟低于100ms，应优先选择的技术栈是（）。

A.Kafka（消息队列）+SparkStreaming（微批处理）

B.Flink（流处理）+Redis（实时存储）

C.HBase（列式存储）+MapReduce（批量计算）

D.Elasticsearch（搜索引擎）+Airflow（任务调度）

答案：B

8.评估一个回归模型的预测效果时，若MAE（平均绝对误差）远小于RMSE（均方根误差），说明（）。

A.模型存在多个较大的预测误差

B.模型预测误差的分布较为集中

C.模型在多数样本上预测准确，少数样本误差极大

D.模型整体偏差较小

答案：C

9.以下关于联邦学习的描述，正确的是（）。

A.联邦学习要求所有参与方将原始数据上传至中心服务器

B.横向联邦学习适用于用户重叠多、特征重叠少的场景

C.联邦学习的核心是在数据不出域的前提下联合训练模型

D.联邦学习无需考虑通信成本和模型收敛速度

答案：C

10.对某社交平台用户评论进行情感分析（积极/消极），文本中存在大量网络用语（如“绝绝子”“栓Q”），最有效的处理方法是（）。

A.直接删除所有网络用语

B.使用预训练语言模型（如BERT）结合领域数据微调

C.人工标注网络用语的情感倾向并构建词典

D.对文本进行词干提取（Stemming）

答案：B

二、填空题（每题2分，共20分）

1.数据清洗中，处理缺失值的常用方法包括删除记录、______和______（任填两种）。

答案：均值/中位数填充；模型预测填充

2.特征缩放的两种主要方法是______和______。

答案：归一化（Min-MaxScaling）；标准化（Z-ScoreScaling）

3.SparkRDD的两个核心特性是______和______。

答案：不可变性；弹性分布式

4.随机森林中，“随机”体现在______和______两个方面。

答案：随机选择样本（自助采样）；随机选择特征子集

5.时间序列的四大组成部分是______、______、周期性和随机波动。

答案：趋势性；季节性

6.K