大数据挖掘工程师考试试卷及答案.docVIP

大数据挖掘工程师考试试卷及答案

一、填空题（共10题，每题1分）

1.Hadoop生态中，负责分布式存储的核心组件是______。

2.Spark的核心数据抽象是______。

3.K-Means算法属于______学习算法。

4.数据预处理中，缺失值填充常用的方法有均值填充、中位数填充和______填充。

5.Hive中用于定义表结构的语句是______。

6.决策树算法中，衡量特征分裂质量的指标有信息增益、增益率和______。

7.SparkSQL中，支持的分布式数据格式包括Parquet、ORC和______。

8.数据挖掘中，“80/20规则”通常指______占比20%，______占比80%。

9.分布式计算框架中，MapReduce的两个核心阶段是______和______。

10.特征工程中，对类别型特征进行编码的常用方法有One-Hot编码和______编码。

填空题答案

1.HDFS2.RDD（弹性分布式数据集）3.无监督4.众数5.CREATETABLE6.基尼系数7.Avro8.有用数据；噪声/冗余数据9.Map；Reduce10.Label（标签）

二、单项选择题（共10题，每题2分）

1.以下哪个不是Hadoop生态组件？

A.HDFSB.MapReduceC.SparkD.Hive

2.K-Means算法中，初始聚类中心选择更合理的方法是？

A.随机