《数据与大数据》作业 一、填空题（每题1分，共9分） 1. 大数据的5V特性包括：_____、_____、_____、_____和_____。 2. Hadoop是一个能够对大量数据进行分布式处理的软件框架，它的核心组件是_____和_____。 3. 在数据预处理中，常用的缺失值处理方法有_____、_____和_____。 4. 机器学习中的监督学习算法包括_____、_____和_____等。 5. 数据库管理系统（DBMS）的主要功能是提供数据的_____、_____和_____。 6. 数据挖掘的主要任务包括分类、聚类、_____、_____和_____。 7. 数据可视化工具如Tableau和_____可以帮助用户更直观地理解数据。 8. Spark是一种用于大规模数据处理的_____计算框架，其核心概念是弹性分布式数据集（RDD）。 9. 云计算服务模型包括基础设施即服务（IaaS）、平台即服务（PaaS）和_____。 答案： 1. Volume, Velocity, Variety, Value, Veracity 2. HDFS, MapReduce 3. 删除, 填充, 插值 4. 线性回归, 决策树, 支持向量机 5. 存储, 管理, 检索 6. 关联规则, 异常检测, 回归分析 7. Power BI 8. 内存 9. 软件即服务（SaaS） 二、选择题（每题2分，共18分） 1. 以下哪种技术主要用于实时流数据处理？ A. Hadoop B. Spark Streaming C. Hive D. Pig 答案：B 解析：Spark Streaming是专为实时流数据处理设计的，而Hadoop、Hive和Pig主要用于批处理。 2. 下列哪个不是NoSQL数据库的特点？ A. 高可扩展性 B. ACID事务支持 C. 灵活的数据模型 D. 高性能 答案：B 解析：NoSQL数据库通常牺牲ACID事务支持以换取高可扩展性和灵活的数据模型。 3. 在数据预处理中，标准化和归一化的主要区别是什么？ A. 标准化改变数据的分布形状，归一化不改变 B. 标准化适用于所有特征，归一化只适用于特定特征 C. 标准化使数据均值为0且标准差为1，归一化使数据范围在0到1之间 D. 标准化适用于连续变量，归一化适用于离散变量 答案：C 解析：标准化通过减去均值并除以标准差来实现，而归一化则是将数据缩放到特定的范围内，通常是[0,1]。 4. 在Kmeans聚类算法中，如何确定最佳的簇数K？ A. Elbow Method B. Silhouette Score C. AIC (Akaike Information Criterion) D. Both A and B 答案：D 解析：Elbow方法和Silhouette分数都是常用的方法来确定最佳的簇数K，因此选项D是正确的。 5. 以下哪项不是数据可视化的目的？ A. 发现数据中的模式和趋势 B. 验证数据清洗的效果 C. 展示数据的艺术美感 D. 促进数据驱动的决策制定 答案：C 解析：数据可视化的主要目的是揭示数据背后的信息，而非展示艺术美感。 6. 在深度学习中，反向传播算法主要用于什么？ A. 初始化神经网络权重 B. 训练神经网络参数 C. 防止过拟合 D. 增加网络复杂度 答案：B 解析：反向传播是深度学习中最常用的参数优化算法，用于根据损失函数的梯度调整网络权重。 7. 在数据库设计中，第一范式(1NF)要求表中的每一列都是怎样的？ A. 不可再分 B. 唯一标识一行 C. 依赖于多个键 D. 包含外键约束 答案：A 解析：第一范式要求数据库表的每一列都是不可再分的基本数据项，确保数据的原子性。 8. 在Python中，哪个库最适合进行大规模的数据分析和处理？ A. Pandas B. NumPy C. Matplotlib D. Scikitlearn 答案：A 解析：Pandas提供了高效的DataFrame结构，非常适合大规模的数据操作和分析。 9. 在机器学习项目中，交叉验证的主要作用是什么？ A. 减少计算成本 B. 避免过拟合 C. 提高模型的泛化能力 D. A和C 答案：D 解析：交叉验证通过分割数据集来评估模型在不同子集上的性能，既能提高模型的泛化能力，也能在一定程度上避免过拟合。 三、简答题（每题3分，共15分） 1. 什么是数据清洗？请列举至少三种常见的数据清洗方法。 答案：数据清洗是指从原始数据集中识别出 ... ...
~~ 您好，已阅读到文档的结尾了 ~~
