2025年信息技術(shù)與數(shù)據(jù)科學(xué)課程考試試題及答案一、單項(xiàng)選擇題（每題2分，共30分）1.若某算法的時(shí)間復(fù)雜度表達(dá)式為T(mén)(n)=2n2+3nlogn+5n+7，則其漸近時(shí)間復(fù)雜度可表示為（）A.O(n2)B.O(nlogn)C.O(n)D.O(1)2.關(guān)系數(shù)據(jù)庫(kù)中，第三范式（3NF）要求（）A.所有非主屬性完全依賴(lài)于主鍵B.消除非主屬性對(duì)主鍵的傳遞依賴(lài)C.消除主屬性對(duì)主鍵的部分依賴(lài)D.所有屬性都是原子性的3.以下機(jī)器學(xué)習(xí)算法中，屬于無(wú)監(jiān)督學(xué)習(xí)的是（）A.邏輯回歸B.K-means聚類(lèi)C.隨機(jī)森林D.支持向量機(jī)4.在Hadoop生態(tài)系統(tǒng)中，負(fù)責(zé)資源管理和任務(wù)調(diào)度的組件是（）A.HDFSB.MapReduceC.YARND.HBase5.關(guān)于梯度下降算法的描述，錯(cuò)誤的是（）A.批量梯度下降（BGD）每次使用全部樣本計(jì)算梯度B.隨機(jī)梯度下降（SGD）收斂速度通常比BGD快C.小批量梯度下降（MBGD）是BGD和SGD的折中D.學(xué)習(xí)率過(guò)大會(huì)導(dǎo)致算法無(wú)法收斂6.以下數(shù)據(jù)結(jié)構(gòu)中，適合用作優(yōu)先隊(duì)列實(shí)現(xiàn)的是（）A.棧B.隊(duì)列C.二叉堆D.哈希表7.在Spark中，RDD的persist()方法默認(rèn)的存儲(chǔ)級(jí)別是（）A.MEMORY_ONLYB.MEMORY_AND_DISKC.DISK_ONLYD.MEMORY_ONLY_SER8.以下不屬于數(shù)據(jù)清洗主要任務(wù)的是（）A.處理缺失值B.去除重復(fù)數(shù)據(jù)C.特征歸一化D.糾正錯(cuò)誤數(shù)據(jù)9.卷積神經(jīng)網(wǎng)絡(luò)（CNN）中，卷積層的主要作用是（）A.降維B.提取局部特征C.全連接分類(lèi)D.增加模型復(fù)雜度10.在SQL中，若要查詢表中“年齡”字段大于30且職業(yè)為“教師”的記錄，正確的WHERE子句是（）A.WHERE年齡>30AND職業(yè)=教師B.WHERE年齡>30OR職業(yè)='教師'C.WHERE年齡>30AND職業(yè)='教師'D.WHERE年齡>30&職業(yè)=教師11.關(guān)于大數(shù)據(jù)4V特征的描述，正確的是（）A.Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價(jià)值密度）B.Volume（大量）、Velocity（高速）、Veracity（真實(shí)）、Value（高價(jià)值）C.Volume（大量）、Variety（多樣）、Veracity（真實(shí)）、Value（低價(jià)值密度）D.Velocity（高速）、Variety（多樣）、Veracity（真實(shí)）、Value（高價(jià)值）12.以下屬于非關(guān)系型數(shù)據(jù)庫(kù)（NoSQL）的是（）A.MySQLB.PostgreSQLC.MongoDBD.Oracle13.在K近鄰（KNN）算法中，當(dāng)K值過(guò)小時(shí)，模型容易出現(xiàn)（）A.欠擬合B.過(guò)擬合C.高偏差D.低方差14.以下不屬于自然語(yǔ)言處理（NLP）任務(wù)的是（）A.情感分析B.圖像分類(lèi)C.機(jī)器翻譯D.文本摘要15.在數(shù)據(jù)倉(cāng)庫(kù)中，事實(shí)表存儲(chǔ)的是（）A.維度屬性B.業(yè)務(wù)事件的度量值C.元數(shù)據(jù)D.數(shù)據(jù)字典二、填空題（每空2分，共20分）1.數(shù)據(jù)結(jié)構(gòu)中，紅黑樹(shù)是一種自平衡的__________樹(shù)，其每個(gè)節(jié)點(diǎn)額外存儲(chǔ)顏色信息以保持平衡。2.機(jī)器學(xué)習(xí)中，將原始數(shù)據(jù)轉(zhuǎn)換為模型可接受的特征的過(guò)程稱(chēng)為_(kāi)_________。3.分布式計(jì)算中，CAP定理指的是一致性（Consistency）、可用性（Availability）和__________三者無(wú)法同時(shí)滿足。4.關(guān)系數(shù)據(jù)庫(kù)中，完整性約束包括實(shí)體完整性、參照完整性和__________。5.在Python中，使用__________庫(kù)可以實(shí)現(xiàn)數(shù)據(jù)可視化（列舉一個(gè)常用庫(kù)）。6.神經(jīng)網(wǎng)絡(luò)中，激活函數(shù)的作用是引入__________，使模型能夠擬合非線性關(guān)系。7.HDFS的默認(rèn)塊大小是__________MB，該設(shè)計(jì)主要為了降低尋址開(kāi)銷(xiāo)。8.決策樹(shù)算法中，常用的分裂準(zhǔn)則包括信息增益、增益率和__________。9.在Spark中，轉(zhuǎn)換操作（Transformation）是__________的，行動(dòng)操作（Action）會(huì)觸發(fā)計(jì)算。10.時(shí)間序列預(yù)測(cè)中，ARIMA模型的三個(gè)參數(shù)分別代表自回歸階數(shù)（p）、差分階數(shù)（d）和__________（q）。三、簡(jiǎn)答題（每題8分，共40分）1.簡(jiǎn)述K-means聚類(lèi)算法的基本步驟，并說(shuō)明其優(yōu)缺點(diǎn)。2.比較關(guān)系型數(shù)據(jù)庫(kù)（RDBMS）與非關(guān)系型數(shù)據(jù)庫(kù)（NoSQL）的適用場(chǎng)景。3.解釋過(guò)擬合（Overfitting）和欠擬合（Underfitting）的概念，并說(shuō)明常用的解決方法。4.說(shuō)明MapReduce編程模型的核心思想，并舉出一個(gè)典型應(yīng)用場(chǎng)景。5.描述梯度下降算法的原理，并比較批量梯度下降（BGD）、隨機(jī)梯度下降（SGD）和小批量梯度下降（MBGD）的區(qū)別。四、綜合應(yīng)用題（每題15分，共30分）1.某電商平臺(tái)需要分析用戶購(gòu)買(mǎi)行為數(shù)據(jù)（包含用戶ID、購(gòu)買(mǎi)時(shí)間、商品類(lèi)別、支付金額、地域信息），請(qǐng)?jiān)O(shè)計(jì)一個(gè)基于Hadoop/Spark的大數(shù)據(jù)處理流程，包括數(shù)據(jù)采集、存儲(chǔ)、處理和分析步驟，并說(shuō)明各階段使用的技術(shù)組件。2.給定一個(gè)二分類(lèi)問(wèn)題（如預(yù)測(cè)用戶是否會(huì)流失），現(xiàn)有訓(xùn)練數(shù)據(jù)集包含10萬(wàn)條記錄，20個(gè)特征（包含數(shù)值型和分類(lèi)型），請(qǐng)?jiān)O(shè)計(jì)完整的機(jī)器學(xué)習(xí)解決方案，包括數(shù)據(jù)預(yù)處理、模型選擇、調(diào)優(yōu)方法及評(píng)估指標(biāo)。答案一、單項(xiàng)選擇題1.A（時(shí)間復(fù)雜度由最高階項(xiàng)決定，n2項(xiàng)主導(dǎo)）2.B（3NF要求消除非主屬性對(duì)主鍵的傳遞依賴(lài)）3.B（K-means是無(wú)監(jiān)督聚類(lèi)算法）4.C（YARN負(fù)責(zé)資源管理和任務(wù)調(diào)度）5.B（SGD收斂速度可能更快，但波動(dòng)大，BGD更穩(wěn)定）6.C（二叉堆適合實(shí)現(xiàn)優(yōu)先隊(duì)列）7.A（persist默認(rèn)存儲(chǔ)級(jí)別為MEMORY_ONLY）8.C（特征歸一化屬于特征工程，非數(shù)據(jù)清洗）9.B（卷積層提取局部特征）10.C（字符串需用單引號(hào)，邏輯與用AND）11.A（大數(shù)據(jù)4V：大量、高速、多樣、低價(jià)值密度）12.C（MongoDB是文檔型NoSQL數(shù)據(jù)庫(kù)）13.B（K過(guò)小導(dǎo)致模型過(guò)于復(fù)雜，易過(guò)擬合）14.B（圖像分類(lèi)屬于計(jì)算機(jī)視覺(jué)任務(wù)）15.B（事實(shí)表存儲(chǔ)業(yè)務(wù)事件的度量值）二、填空題1.二叉搜索2.特征工程3.分區(qū)容錯(cuò)性（PartitionTolerance）4.用戶定義的完整性5.Matplotlib（或Seaborn、Plotly等）6.非線性7.1288.基尼系數(shù)（GiniIndex）9.惰性（延遲計(jì)算）10.移動(dòng)平均階數(shù)三、簡(jiǎn)答題1.K-means步驟：（1）隨機(jī)選擇K個(gè)初始質(zhì)心；（2）將每個(gè)樣本分配到最近的質(zhì)心對(duì)應(yīng)的簇；（3）重新計(jì)算每個(gè)簇的質(zhì)心；（4）重復(fù)（2）-（3）直到質(zhì)心不再變化或達(dá)到迭代次數(shù)。優(yōu)點(diǎn)：簡(jiǎn)單高效，時(shí)間復(fù)雜度低；缺點(diǎn)：對(duì)初始質(zhì)心敏感，需預(yù)設(shè)K值，對(duì)非凸形狀簇效果差。2.適用場(chǎng)景比較：關(guān)系型數(shù)據(jù)庫(kù)（RDBMS）：適用于需要強(qiáng)事務(wù)一致性（如金融交易）、結(jié)構(gòu)固定（如用戶信息表）、復(fù)雜SQL查詢的場(chǎng)景；NoSQL：適用于高并發(fā)寫(xiě)（如日志存儲(chǔ)）、數(shù)據(jù)結(jié)構(gòu)靈活（如社交用戶動(dòng)態(tài)）、分布式擴(kuò)展（如電商商品評(píng)論）的場(chǎng)景。3.過(guò)擬合與欠擬合：過(guò)擬合：模型在訓(xùn)練集表現(xiàn)好，但測(cè)試集表現(xiàn)差（學(xué)習(xí)了噪聲）；欠擬合：模型在訓(xùn)練集和測(cè)試集表現(xiàn)均差（模型復(fù)雜度不足）。解決方法：過(guò)擬合（增加數(shù)據(jù)、正則化、早停、特征選擇）；欠擬合（增加模型復(fù)雜度、添加特征、減少正則化）。4.MapReduce核心思想：將任務(wù)分解為Map（映射）和Reduce（歸約）兩個(gè)階段，Map階段將輸入數(shù)據(jù)轉(zhuǎn)換為鍵值對(duì)，Reduce階段對(duì)相同鍵的值進(jìn)行聚合。典型場(chǎng)景：統(tǒng)計(jì)網(wǎng)站日志中各IP的訪問(wèn)次數(shù)（Map階段提取IP，Reduce階段計(jì)數(shù)）。5.梯度下降原理：通過(guò)計(jì)算目標(biāo)函數(shù)的梯度，沿梯度反方向更新參數(shù)，逐步逼近極小值點(diǎn)。區(qū)別：BGD用全部樣本計(jì)算梯度（穩(wěn)定但慢）；SGD用單個(gè)樣本（快但波動(dòng)大）；MBGD用小批量樣本（折中，常用）。四、綜合應(yīng)用題1.電商用戶行為分析流程設(shè)計(jì)：-數(shù)據(jù)采集：使用Flume或Kafka采集用戶行為日志（埋點(diǎn)數(shù)據(jù)），實(shí)時(shí)寫(xiě)入消息隊(duì)列（Kafka）緩沖。-數(shù)據(jù)存儲(chǔ)：離線數(shù)據(jù)存儲(chǔ)到HDFS（冷數(shù)據(jù)），實(shí)時(shí)數(shù)據(jù)存儲(chǔ)到HBase（熱數(shù)據(jù)）或ClickHouse（分析型存儲(chǔ)）。-數(shù)據(jù)處理：離線處理用SparkSQL進(jìn)行ETL（清洗、去重、關(guān)聯(lián)）；實(shí)時(shí)處理用SparkStreaming或Flink計(jì)算實(shí)時(shí)指標(biāo)（如小時(shí)級(jí)支付金額）。-數(shù)據(jù)分析：用SparkMLlib訓(xùn)練用戶畫(huà)像模型（如RFM模型），或用Hive進(jìn)行OLAP分析（如地域商品偏好）；結(jié)果可視化用Superset或Tableau展示。2.用戶流失預(yù)測(cè)解決方案：-數(shù)據(jù)預(yù)處理：（1）缺失值處理：數(shù)值型用均值填充，分類(lèi)型用眾數(shù)填充；（2）特征編碼：分類(lèi)型特征用獨(dú)熱編碼（One-Hot）或目標(biāo)編碼（TargetEncoding）；（3）特征縮放：數(shù)值型特征用標(biāo)準(zhǔn)化（Z-score）或歸一化（Min-Max）；（4）劃分?jǐn)?shù)據(jù)集：按7:2:1分為訓(xùn)練集、驗(yàn)證集、測(cè)試集。-模型選擇：初始嘗試邏輯回歸（LR，解釋性強(qiáng)）、隨機(jī)森林（RF，抗過(guò)擬合）、XGBoost（梯度提升樹(shù)，性能優(yōu)）。-模型調(diào)優(yōu)：（1）使