2025年新版大数据分析试题及答案.docxVIP

2025年新版大数据分析试题及答案

一、单项选择题（每题2分，共20分）

1.在大数据分析中，处理数据倾斜（DataSkew）时，以下哪种方法不适用于Spark场景？

A.增加并行度

B.对倾斜键添加随机前缀后聚合，再去除前缀二次聚合

C.使用Hive的DISTRIBUTEBY重新分区

D.对倾斜数据单独采样并调整计算逻辑

2.特征工程中，若某特征为“用户最近30天登录次数”（取值范围0-200），且业务目标是预测用户流失，以下哪种处理方式最合理？

A.直接归一化（Min-Max）后输入模型

B.分箱为“0次”“1-5次”“6-15次”“16次以上”

C.取对数变换（log(x+1)）

D.标准化（Z-Score）后输入模型

3.关于机器学习模型评估，以下说法错误的是？

A.对于类别不平衡的二分类问题，F1-score比准确率更可靠

B.ROC曲线下面积（AUC）对类别不平衡不敏感

C.均方根误差（RMSE）比平均绝对误差（MAE）更易受异常值影响

D.交叉验证（CrossValidation）的主要目的是防止过拟合

4.某电商平台需实时分析“用户加购到支付的转化漏斗”，要求延迟低于1秒，应优先选择的技术框架是？

A.ApacheHadoopMapReduce

B.