2024年大数据分析与应用1+X证书高级考试（含答案解析）.docxVIP

2024年大数据分析与应用1+X证书高级考试（含答案解析）

第一部分：单项选择题（共20题，每题1分）

1、数据清洗中处理缺失值的优先操作是？

A、直接删除记录

B、用均值填充

C、分析缺失模式

D、用众数填充

答案：C

解析：处理缺失值时应先分析缺失模式（如随机缺失/系统性缺失），再选择处理方式。直接删除（A）可能丢失关键信息，均值（B）或众数（D）填充需根据数据类型选择，未分析模式直接操作会导致偏差。

2、Hadoop生态中负责资源调度的组件是？

A、HDFS

B、YARN

C、MapReduce

D、HBase

答案：B

解析：YARN（YetAnotherResourceNegotiator）负责集群资源管理与任务调度。HDFS（A）是分布式文件系统，MapReduce（C）是计算框架，HBase（D）是列式数据库，均不承担调度功能。

3、机器学习中过拟合的典型表现是？

A、训练误差大，测试误差小

B、训练误差小，测试误差大

C、训练/测试误差均大

D、训练/测试误差均小

答案：B

解析：过拟合指模型对训练数据过度学习，训练误差小但泛化能力差，导致测试误差显著增大。A描述欠拟合反向情况，C是模型能力不足，D是理想状态。

4、K-means聚类的核心参数是？

A、学习率

B、迭代次数

C、簇数K

D、正则化系数

答案：C

解析：K-means需预先指定簇数K，直接影响聚类结果。学习率（A）是优化算法参数，迭代次数（B）影响收敛性，正则化（D）用于防止过拟合，均非核心。

5、数据仓库的主要特性是？

A、实时性高

B、支持事务处理

C、面向主题

D、数据易变

答案：C

解析：数据仓库面向主题组织数据（如客户、销售主题），支持决策分析。实时性（A）和事务处理（B）是OLTP系统特性，数据易变（D）与数据仓库的稳定性相悖。

6、Spark中RDD的特性不包括？

A、不可变

B、可分区

C、支持血缘

D、实时更新

答案：D

解析：RDD（弹性分布式数据集）是不可变（A）、可分区（B）的分布式数据集，通过血缘（C）记录操作链实现容错。实时更新（D）违背不可变性设计。

7、时间序列分析中ARIMA模型的参数是？

A、p,d,q

B、k,n,m

C、α,β,γ

D、w,b,λ

答案：A

解析：ARIMA（自回归积分滑动平均）模型由p（自回归阶数）、d（差分阶数）、q（滑动平均阶数）三个参数确定。其他选项为其他模型参数符号。

8、数据可视化中避免使用的图表是？

A、折线图

B、饼图

C、三维柱状图

D、散点图

答案：C

解析：三维柱状图因透视变形易误导数据对比，属于应避免的图表类型。折线图（A）适合趋势，饼图（B）适合占比（需注意角度限制），散点图（D）适合相关性分析。

9、特征工程中独热编码适用于？

A、连续数值特征

B、高基数分类特征

C、低基数分类特征

D、文本特征

答案：C

解析：独热编码将分类特征转换为二进制向量，适用于低基数（类别少）特征。高基数（B）会导致维度爆炸，连续（A）需分箱，文本（D）需词嵌入等方法。

10、流式计算中窗口类型不包括？

A、滚动窗口

B、滑动窗口

C、会话窗口

D、聚合窗口

答案：D

解析：常见窗口类型有滚动（固定大小无重叠）、滑动（固定大小有重叠）、会话（用户行为间隔）窗口。聚合窗口（D）是操作而非类型。

11、关联规则挖掘中支持度表示？

A、规则强度

B、项目集出现频率

C、规则置信度

D、提升度

答案：B

解析：支持度是项目集在总事务中的出现频率，反映普遍性。规则强度（A）通常指置信度（C），提升度（D）衡量规则有效性。

12、分布式计算中容错机制的核心是？

A、数据备份

B、任务重试

C、血缘追踪

D、资源隔离

答案：C

解析：分布式系统通过血缘（操作链）重新计算丢失数据，比数据备份（A）更节省空间。任务重试（B）是补充手段，资源隔离（D）是安全措施。

13、评估分类模型的F1分数是？

A、精确率与召回率的调和平均

B、准确率与精确率的算术平均

C、召回率与FPR的比值

D、TP与FP的比值

答案：A

解析：F1分数=2(精确率召回率)/(精确率+召回率)，是二者的调和平均。准确率（B）是整体正确比例，FPR（C）是假正率，TP/FP（D）无直接意义。

14、数据脱敏技术不包括？

A、哈希处理

B、数据加密

C、泛化处理

D、特征缩放

答案：D

解析：特征缩放（如标准化）是特征工程步骤，不涉及隐私保护。哈希（A）、加密（B）、泛化（C）（如将年龄替换为年龄段）均为脱敏方法。

15、Hive的核心是？

A、内存计算

B、SQL转MapReduce

C、实时查询

D、列式存储

答案：B

解析：Hive通过将HiveQL转换为MapReduce任务实现数据查询，适合离线分析。内存计算（A）是Spar