2025年超星尔雅学习通《AI大数据分析与应用》章节测试题库及答案解析.docxVIP

2025年超星尔雅学习通《AI大数据分析与应用》章节测试题库及答案解析

单位所属部门：________姓名：________考场号：________考生号：________

一、选择题

1.AI大数据分析的核心任务不包括（）

A.数据采集

B.模型训练

C.业务决策

D.设备制造

答案：D

解析：AI大数据分析的核心任务主要围绕数据本身展开，包括数据的采集、存储、处理、分析和可视化，以及基于数据构建和分析模型，最终服务于业务决策。设备制造属于硬件支持范畴，并非AI大数据分析的核心任务。

2.在大数据处理中，Hadoop的核心组件不包括（）

A.HDFS

B.MapReduce

C.Spark

D.Yarn

答案：C

解析：Hadoop的核心组件主要包括HDFS（分布式文件系统）、MapReduce（计算框架）和Yarn（资源管理器）。Spark虽然常与Hadoop结合使用，但它是一个独立的分布式计算系统，并非Hadoop的核心组件。

3.以下哪种方法不属于数据预处理范畴（）

A.数据清洗

B.数据集成

C.数据变换

D.数据挖掘

答案：D

解析：数据预处理是数据mining的前提，主要包括数据清洗（处理缺失值、噪声和异常值）、数据集成（合并多个数据源）、数据变换（将数据转换成适合数据挖掘的形式）等。数据挖掘是利用算法从数据中提取有用信息的过程，不属于数据预处理范畴。

4.机器学习中，监督学习的主要特点是什么（）

A.数据无需标签

B.模型自动生成

C.通过标签数据训练模型

D.无需大量数据

答案：C

解析：监督学习是一种通过已标记的训练数据（即输入-输出对）来学习模型的方法。模型通过学习输入和输出之间的关系，能够对新的输入数据进行预测。因此，监督学习的主要特点是通过标签数据训练模型。

5.以下哪种算法不属于聚类算法（）

A.K-means

B.层次聚类

C.DBSCAN

D.决策树

答案：D

解析：聚类算法是一种无监督学习算法，旨在将数据点分组，使得同一组内的数据点相似度高，不同组之间的数据点相似度低。常见的聚类算法包括K-means、层次聚类和DBSCAN等。决策树是一种监督学习算法，用于分类和回归任务，不属于聚类算法。

6.在特征选择方法中，递归特征消除（RFE）属于哪种类型（）

A.过滤法

B.包裹法

C.嵌入法

D.替换法

答案：B

解析：特征选择方法主要分为过滤法、包裹法和嵌入法。递归特征消除（RFE）是一种包裹法，通过递归地移除权重最小的特征，构建多个模型，从而选择最优特征子集。

7.以下哪种模型适用于时间序列预测（）

A.线性回归

B.支持向量机

C.ARIMA

D.K近邻

答案：C

解析：时间序列预测是利用过去的数据来预测未来的数据。ARIMA（自回归积分滑动平均模型）是一种专门用于时间序列预测的模型。线性回归、支持向量机和K近邻虽然可以用于回归任务，但不是专门针对时间序列数据的模型。

8.在大数据分析中，以下哪种技术不属于分布式计算技术（）

A.MapReduce

B.Spark

C.Hadoop

D.TCP/IP

答案：D

解析：分布式计算技术是指将计算任务分配到多台计算机上并行处理的技术。MapReduce、Spark和Hadoop都是常见的分布式计算框架。TCP/IP是一种网络通信协议，不属于分布式计算技术。

9.以下哪种指标不属于模型评估指标（）

A.准确率

B.精确率

C.召回率

D.相关性

答案：D

解析：模型评估指标主要用于评估分类模型的性能。常见的评估指标包括准确率、精确率和召回率等。相关性是衡量两个变量之间线性关系强度的统计指标，不属于模型评估指标。

10.修改在数据可视化中，以下哪种图表不适合展示时间序列数据（）

A.折线图

B.柱状图

C.散点图

D.饼图

答案：D

解析：时间序列数据通常用折线图、柱状图或散点图来展示，以反映数据随时间的变化趋势。饼图主要用于展示不同类别数据的占比，不适合展示时间序列数据。

11.下列哪项不属于大数据的4V特征（）

A.海量性

B.速度性

C.多样性

D.可解释性

答案：D

解析：大数据的4V特征通常指海量性（Volume）、速度性（Velocity）、多样性（Variety）和真实性（Veracity）。可解释性虽然在大数据分析中很重要，但并非公认的4V特征之一。

12.分布式文件系统HDFS的主要目标是（）

A.提高单个机器的计算能力

B.实现高吞吐量的数据访问

C.降低单点故障风险

D.增强数据加密功能

答案：B

解析：HDFS设计的主要目标是实现高吞吐量的数据访问，特别适合于一次写入、多次读取的大规模数据应用