2025-2026年大数据挖掘技术专项训练题库.docxVIP

2025-2026年大数据挖掘技术专项训练题库

一、单项选择题（本大题共10小题，每小题2分，共20分）

1.在大数据挖掘技术中，下列哪种算法通常用于处理高维稀疏数据且具有较好的可解释性？（）

A.支持向量机（SVM）

B.K-近邻算法（KNN）

C.决策树

D.神经网络

解析：支持向量机（SVM）在高维稀疏数据中表现优异，通过核函数将数据映射到高维空间，并寻找最优超平面进行分类。SVM具有较好的可解释性，其分类边界由支持向量决定，这些向量是距离决策边界最近的样本点。相比之下，KNN算法在处理高维数据时容易受到维度灾难的影响，决策树虽然可解释性强但可能过拟合，神经网络虽然强大但可解释性较差。因此，正确答案是A。

2.在大数据挖掘流程中，数据预处理阶段通常包括哪些步骤？（）

A.数据清洗、数据集成、数据变换、数据规约

B.特征选择、特征提取、特征降维

C.模型训练、模型评估、模型优化

D.数据采集、数据存储、数据传输

解析：数据预处理是大数据挖掘流程中至关重要的一环，主要包括数据清洗（处理缺失值、异常值、重复值等）、数据集成（合并多个数据源）、数据变换（如归一化、标准化）和数据规约（减少数据量）。特征选择、特征提取和特征降维属于特征工程阶段，模型训练、评估和优化属于模型构建阶段，数据采集、存储和传输属