大数据分析实用教程——基于Python实现试卷16网工大数据B附答案

衡阳师范学院 2018-2019学年 第一学期 计算机科学与技术学院 网络工程专业 2016级 《云计算与大数据处理原理》期末考试试题B 卷
一、单选题（每小题2分，共20分）
1. 云计算是对
技术的发展与运用
( )
A 、并行计算
B 、分布式计算
C 、网格计算
D 、以上都是
2. 从研究现状上看，下面不属于云计算特点的是
( )
A. 超大规模
B. 虚拟化
C. 私有化
D. 高可靠性 3. 以下哪项不．
是大数据的特点
( ) A 、数据量大 B 、数据类型多样
C 、价值密度高
D 、处理速度快 4. 与SaaS 不同的，这种“云”计算形式把开发环境或者运行平台也作为一种服务给用户提供。

( ) A. PaaS B ．DaaS
C. IaaS
D. CaaS 5. HDfS 中的block 默认保存几份？
(
)
A 、4
B 、3
C 、2
D 、1
6. 下列哪项通常是集群的最主要的性能瓶颈
(
)
A ．CPU
B ．网络
C．磁盘D．内存
7.在HDFS文件系统中，若块的大小是128M，有三个文件的大小分别是
150M、190M和180M，则共需要分几个块存储( )
A、4
B、5
C、6
D、7
8.下列哪种数据库不是NoSQL数据库( )
A．Mongodb B．Redis C．MySQL D．HBase
9.下列哪项不是聚类算法。

( )
A、KNN
B、K-中心点
C、K-means
D、DBScan
10.关于Secondary NameNode，哪项是正确的？( )
A、它是NameNode的热备
B、它对内存没有要求
C、它的目的是帮助NameNode合并编辑日志，减少NameNode 启动时间
D、Secondary NameNode应与NameNode部署到一个节点
二、填空题（每空 2 分，共 20 分）
1. 按技术路线来看，VMware属于云计算（填资源整合型或资源切分型）。

2. 大数据的两大核心技术是分布式存储和。

3. MapReduce负责任务分配和调度的节点称为，负责任务执行的节点称为。

4．聚类算法可分为层次聚类法、、和基于模型的方法等。

5．决策树是用样本的作为结点，用作为分支的树
结构。

6、给定贝叶斯公式P(c j|x) =（P(x|c j)P(c j))/P(x)，公式中P( c j|x)称为
（填先验概率、后验概率或全概率）。

朴素贝叶斯分类分类的依据是要求上式中的值最大。

三、简答题（每小题5分，共30分）
1. 简述MapReduce中JobTracker、TaskTracker之间的关系。

2. Secondary NameNode是否应与NameNode部署到同一个节点上，为什么？
3. 简述MapReduce的Shuffle过程。

4. 人工神经网络输入层的节点数目和输出层的节点数目如何确定？
5. 对于用户ABCD和物品abcd，设N(A)={a,b,d}，N(B)={a,c}，N(C)={b,e}，N(D)={c,d,e}，各用户对各物品的感兴趣程度均为1，推荐阈值为0.5。

试用基于物品的协同过滤推荐算法给用户A推荐物品。

6. 解释如下关联规则表达式的含义：
major(a, “CS”) ^ takes(a, “DB”) → grade(a, “A”) [2%, 75%]。

四、应用题（每小题15分，共30分）
1.给定事务数据如下表。

假定数据包含频繁项集L＝{A，B，D}。

问可以由L产生哪些关联规则，并分别列出其可信度(Confidence)? 若最小可信度定
义为75%,则产生的关联规则中哪些是强关关联规则。

2. 设有5个对象之间的距离如下表所示，试用层次聚类法将这些对象聚成两类，并画出聚类树状图。

衡阳师范学院 2018-2019学年第一学期计算机科学与技术学院网络工程专业 2016年级
《云计算与大数据处理原理》期末考试试题B卷
答案及评分标准
一、单选题（每小题2分，共20分）
DCCAB CBCAC
二、填空题（每空 2 分，共 20 分）
1. 资源切分型
2.分布式计算
3 JobTracker TaskTracker
4基于密度的聚类基于划分的聚类
5属性属性值
6 后验概率P(x|c j)P(c j)
三、简答题（每小题5分，共30分）
1. 简述MapReduce中JobTracker、TaskTracker之间的关系
答：1.JobTracker：负责分配和调度任务。

2.TaskTracker：负责执行任务。

JobTracker应部署在一台单独的服务器上，TaskTracker应部署在DataNode节点上。

2. Secondary NameNode是否应与NameNode部署到同一个节点上，为什么？
hadoop的集群是基于master/slave模式，namenode和jobtracker属于master，datanode和tasktracker属于slave，master只有一个，而slave有多个。

SecondaryNameNode内存需求和NameNode在一个数量级上，所以通常secondary NameNode（运行在单独的物理机器上）和NameNode运行在不同的机器上。

3. 简述MapReduce的Shuffle过程
在Map端的shuffle过程是对Map的结果进行分区、排序、分割，然后将属于同一划分（分区）的输出合并在一起并写在磁盘上，最终得到一个分区有序的文件，分区有序的含义是map输出的键值对按分区进行排列，具有相同partition值的键值对存储在一起，每个分区里面的键值对又按key值进行升序排列（默认）
4. 人工神经网络输入层的节点数目和输出层的节点数目如何确定？
人工神经网络输入层节点的个数等于训练数据集中条件属性的个数。

（2分）
输出层节点个数的确定：如果类别属性中值的个数为2，则输出层节点数为1，如果类别属性中值的个数为n，则输出层节点数为n（3分）
5.
6. 解释如下关联规则表达式的含义：
major(x, “CS”) ^ takes(x, “DB”) → grade(x, “A”) [2%, 75%]。

(1)专业为“CS计算机专业”并且选修了“DB数据库原理”的所有同学中，其中得分为“A”等的比例是2%。

（3分）
(2)计算机专业的学生选修“数据库原理”，成绩得“A”的可能性是75%．（2分）
四、应用题（每小题10分，共30分）
1.解：L有非空真子集{A,B},{A,D},{B,D},{A},{B},{D}（3分）
可产生的关联规则及可信度如下：
A∧B→D(66.6%)
A∧D→B(100%)
D∧B→A(100%) （3分）
A→D∧B(75%)
B→A∧D(75%)
D→A∧B(100%)（3分）
三个强关联规则A∧D→B，D∧B→A， D→A∧B（1分）
2. 解：第一步合并对象3,4 （1分）
1 2 {3,4} 5
（3分）
1 2 3 4 5
（
1．
假设蔬菜信息表如图所示，“蔬菜”是决策属性，其余属性是条件属性，根据ID3
算法建立决策树，并根据决策树写出分类规则（已知信息增益：G(蔬菜，颜色)＝IF 颜色＝“红”^ 形状＝圆 THEN 蔬菜＝“番茄” IF 颜色＝“红”^ 形状＝长 THEN 蔬菜＝“辣椒” IF 颜色＝“绿” THEN 蔬菜＝“黄瓜” IF 颜色＝“紫” THEN 蔬菜＝“茄子”。