2025年大學數(shù)據(jù)科學與大數(shù)據(jù)技術（大數(shù)據(jù)基礎）試題及答案

（考試時間：90分鐘滿分100分）班級______姓名______一、選擇題（總共10題，每題3分，每題只有一個正確答案，請將正確答案填在括號內）1.大數(shù)據(jù)的4V特征不包括以下哪一項？（）A.大量化B.多樣化C.快速化D.單一化2.以下哪種數(shù)據(jù)類型不屬于結構化數(shù)據(jù)？（）A.數(shù)據(jù)庫表中的數(shù)據(jù)B.XML文件C.純文本文件D.JSON文件3.數(shù)據(jù)挖掘中的關聯(lián)規(guī)則挖掘主要用于發(fā)現(xiàn)（）。A.數(shù)據(jù)之間的因果關系B.數(shù)據(jù)之間的相關性C.數(shù)據(jù)的聚類D.數(shù)據(jù)的分類4.分布式文件系統(tǒng)HadoopDistributedFileSystem（HDFS）的設計理念不包括（）。A.高容錯性B.高可擴展性C.低延遲訪問D.適合批處理5.以下哪個算法不屬于機器學習中的監(jiān)督學習算法？（）A.決策樹B.支持向量機C.聚類算法D.線性回歸6.數(shù)據(jù)清洗的目的不包括（）。A.去除重復數(shù)據(jù)B.填補缺失值C.增加數(shù)據(jù)量D.糾正錯誤數(shù)據(jù)7.大數(shù)據(jù)處理流程的順序通常是（）。A.采集、存儲、預處理、分析、可視化B.采集、預處理、存儲、分析、可視化C.采集、分析、預處理、存儲、可視化D.采集、存儲、分析、預處理、可視化8.以下哪種數(shù)據(jù)庫適合存儲大數(shù)據(jù)？（）A.關系型數(shù)據(jù)庫B.非關系型數(shù)據(jù)庫C.內存數(shù)據(jù)庫D.磁盤數(shù)據(jù)庫9.數(shù)據(jù)可視化的主要目的是（）。A.使數(shù)據(jù)更美觀B.展示數(shù)據(jù)的內在規(guī)律C.方便數(shù)據(jù)存儲D.提高數(shù)據(jù)準確性10.機器學習中的模型評估指標不包括（）。A.準確率B.召回率C.F1值D.數(shù)據(jù)量二、多項選擇題（總共5題，每題5分，每題有兩個或以上正確答案，請將正確答案填在括號內）1.大數(shù)據(jù)技術棧包括以下哪些部分？（）A.數(shù)據(jù)采集B.數(shù)據(jù)存儲C.數(shù)據(jù)處理D.數(shù)據(jù)分析E.數(shù)據(jù)可視化2.以下哪些是數(shù)據(jù)挖掘的常用算法？（）A.決策樹算法B.神經網絡算法C.遺傳算法D.支持向量機算法E.聚類算法3.分布式計算框架MapReduce的特點包括（）。A.易于編程B.高容錯性C.默認實現(xiàn)了數(shù)據(jù)本地化D.可擴展性強E.適合實時計算4.數(shù)據(jù)預處理的主要步驟有（）。A.數(shù)據(jù)清洗B.數(shù)據(jù)集成C.數(shù)據(jù)變換D.數(shù)據(jù)歸約E.數(shù)據(jù)標注5.以下哪些屬于非關系型數(shù)據(jù)庫？（）A.MongoDBB.CassandraC.HBaseD.MySQLE.Oracle三、判斷題（總共10題，每題2分，請判斷對錯，對的打√，錯的打×）1.大數(shù)據(jù)就是數(shù)據(jù)量特別大的數(shù)據(jù)。（）2.結構化數(shù)據(jù)一定比非結構化數(shù)據(jù)更有價值。（）3.數(shù)據(jù)挖掘算法只能用于分析歷史數(shù)據(jù)，不能用于預測未來。（）4.Hadoop是一個分布式計算框架，不能用于數(shù)據(jù)存儲。（）5.監(jiān)督學習算法需要有標注的數(shù)據(jù)作為訓練樣本。（）6.數(shù)據(jù)可視化只是為了讓數(shù)據(jù)看起來更漂亮，對數(shù)據(jù)分析沒有實際幫助。（）7.非關系型數(shù)據(jù)庫不支持SQL查詢。（）8.數(shù)據(jù)清洗過程中，對于缺失值只能刪除，不能填補。（）9.機器學習模型的訓練時間越長，效果一定越好。（）10.大數(shù)據(jù)處理中，數(shù)據(jù)量越大，處理難度越小。（）四、簡答題（總共3題，每題10分，請簡要回答問題）1.請簡述大數(shù)據(jù)的5V特征及其含義。2.說明數(shù)據(jù)挖掘中分類算法和聚類算法的區(qū)別。3.簡述分布式文件系統(tǒng)HDFS的架構及各部分的功能。五、綜合題（總共2題，每題15分，請詳細回答問題）1.假設你要分析某電商平臺用戶的購買行為數(shù)據(jù)，以預測用戶未來可能購買的商品。請描述你會采用的大數(shù)據(jù)處理流程及相關技術，并說明理由。2.現(xiàn)有一個數(shù)據(jù)集包含大量的文本數(shù)據(jù)，要求從中提取有價值的信息并進行可視化展示。請闡述你會使用的方法和工具，并說明如何實現(xiàn)。答案一、選擇題1.D2.B3.B4.C5.C6.C7.A8.B9.B10.D二、多項選擇題1.ABCDE2.ABCDE3.ABCD4.ABCD5.ABC三、判斷題1.×2.×3.×4.×5.√6.×7.×8.×9.×10.×四、簡答題1.大數(shù)據(jù)的5V特征：大量化（Volume）指數(shù)據(jù)量巨大；多樣化（Variety）涵蓋多種數(shù)據(jù)類型；快速化（Velocity）強調數(shù)據(jù)產生和處理速度快；價值密度低（Value）；真實性（Veracity）。2.分類算法：有已知類別標簽的數(shù)據(jù)進行訓練，預測新數(shù)據(jù)所屬類別。聚類算法：無類別標簽，將數(shù)據(jù)分成不同簇，簇內數(shù)據(jù)相似，簇間不同。3.HDFS架構包括NameNode、DataNode等。NameNode管理命名空間，存儲元數(shù)據(jù)；DataNode存儲實際數(shù)據(jù)塊，負責數(shù)據(jù)讀寫，通過心跳向NameNode匯報狀態(tài)。五、綜合題1.流程：采集電商平臺用戶購買行為數(shù)據(jù)。存儲到分布式文件系統(tǒng)如HDFS。預處理清洗、集成等。用機器學習分類算法如決策