智慧树知到《大数据工具应用》章节测试答案

大数据可视化智慧树知到课后章节答案2023年下浙江大学

大数据可视化智慧树知到课后章节答案2023年下浙江大学第一章测试1.以下不属于可视化的作用的是（）A:信息记录 B:数据采集 C:数据分析 D:传播交流答案:数据采集2.数据可视化萌芽于什么时间（）A:18世纪 B:17世纪 C:15世纪 D:16世纪答案:16世纪3.可视分析学是何时兴起的（）A:19世纪 B:21世纪 C:18世纪 D:20世纪答案:21世纪4.张量场可视化属于可视化的哪个分支学科（）A:信息可视化 B:可视分析学 C:科学可视化 D:人机交互学答案:科学可视化5.使用以下哪种可视化工具不需要编程基础（）A:Tableau B:Processing C:Vega D:D3.js 答案:Tableau6.数据可视化的原则是细节优先。

A:错 B:对答案:错7.文本可视化属于信息可视化。

A:对 B:错答案:对8.可视分析学涉及到的学科包括（）A:计算机图形学 B:数据挖掘C:统计分析 D:人机交互答案:计算机图形学;数据挖掘;统计分析;人机交互9.以下哪些工具是数据可视化工具（）A:Matlab B:Tableau C:D3.js D:Vega 答案:Tableau;D3.js ;Vega10.这个视频中体现了可视化的哪些作用（）A:数据分析 B:信息记录 C:数据过滤 D:传播交流答案:数据分析;信息记录第二章测试1.有的人在发朋友圈的时候，会把一张图片切成9份，然后再按顺序拼出一个九宫格，如下图所示。

虽然图片被分割开来，但是我们仍旧能够感知到图片原来完整的样子，这体现了格式塔理论的（）原则。

A:接近原则 B:相似原则 C:连续原则 D:闭包原则答案:连续原则2.下图所示的图片体现了格式塔理论的（）原则。

A:连续原则 B:相似原则 C:接近原则 D:闭包原则答案:接近原则3.下图所示的图片体现了格式塔理论的（）接近原则A:接近原则 B:相似原则 C:闭包原则 D:连续原则答案:相似原则4.下图所示的可视化中运用了以下哪个视觉通道？（）A:高度 B:形状 C:亮度 D:颜色答案:高度5.下图所示的可视化中体现了哪种类型的视觉通道？（）A:分组型B:分类型C:定性型D:定量型答案:分组型6.根据格式塔理论，人们在观看时，眼脑在一开始的时候会先区分一个形象的各个单一的组成部分，然后再将各个部分组合起来，使之成为一个易于理解的统一体。

大数据解析与应用导论知到章节答案智慧树2023年浙江大学

大数据解析与应用导论知到章节测试答案智慧树2023年最新浙江大学第一章测试1.下列属于多元统计方法的为（）参考答案:回归分析;主元分析2.多元统计分析的图表示法有（）参考答案:散布图矩阵;调和曲线图;轮廓图;雷达图3.完整的数据分析过程，包括数据采集、数据清洗和数据分析。

（）参考答案:对4.下列场景适用于回归分析的是 ( )参考答案:天气预报5.下面哪一句体现了主元分析的思想（）参考答案:牵牛要牵牛鼻子第二章测试1.一般常见的缺失值处理的方法有（）参考答案:回归填充法;最近邻插补填充法;插值填充;替换填充法2.一般常见的数据归一化的方法有（）参考答案:最小最大规范化;零均值规范化3.少量的异常值完全不会影响数据分析。

（）参考答案:错4.下列哪种方法不是数据填补的手段 ( )参考答案:均值标准化5.主成分分析的英文名是（）。

参考答案:Principal Component Analysis第三章测试1.下面哪个是SVM在实际生活中的应用（）参考答案:图片分类;邮件分类2.以下说法正确的有哪些（）参考答案:SVM是一种线性方法;软间隔的引入可以解决轻度线性不可分问题3.拉格朗日乘子法可用于线性可分SVM的模型求解。

（）参考答案:对4.SVM的中文全称叫什么？（）参考答案:支持向量机5.SVM算法的最小时间复杂度是O（n²），基于此，以下哪种规格的数据集并不适该算法？（）参考答案:大数据集第四章测试1.一元线性回归有哪些基本假定？（）参考答案:解释变量X是确定性变量，Y是随机变量；;随机误差项和解释变量X不相关；;随机误差项服从零均值、同方差的正态分布。

;随机误差项具有零均值、同方差和序列不相关的性质；2.最典型的两种拟合不佳的情况是（）。

参考答案:欠拟合;过拟合3.岭回归适用于样本很少，但变量很多的回归问题。

（）参考答案:对4.最小二乘方法的拟合程度衡量指标是（）。

参考答案:残差平方和5.关于最小二乘法，下列说法正确的是。

云计算与大数据技术知到章节答案智慧树2023年北京联合大学

云计算与大数据技术知到章节测试答案智慧树2023年最新北京联合大学绪论单元测试1.下列哪些应用属于大数据技术的应用（）。

参考答案:音视频网站上通过分析注册用户的浏览习惯，为用户推送感兴趣的音视频。

;手机银行或网上银行在用户画像基础上，对用户群进行定位，挖掘潜在金融服务需求。

;政务领域中的智慧城市建设，如智慧交通、智慧医疗、智慧教育等。

;电商网站上对注册用户浏览信息记录、分析、挖掘，为用户推送感兴趣的商品。

2.日常我们用到的云服务器、钉钉办公软件、百度网盘等应用都是云计算服务厂商提供的云计算服务。

（）参考答案:对第一章测试1.云计算的服务模式包括（）。

参考答案:平台即服务;软件即服务;基础设施即服务2.云计算的劣势有（）。

参考答案:风险被集中;数据泄密的环节增多;严重依赖网络3.云计算部署模型有（）。

参考答案:公有云;私有云;混合云4.云计算是把有形的产品（网络设备、服务器、存储设备、各种软件等）转化为服务产品（IaaS，PaaS，SaaS），并通过网络让人们远程在线使用。

（）参考答案:对5.云计算是一种计算模式，能够提供随时随地、便捷的、随需应变的网络接入，访问可配置的计算资源共享池。

（）参考答案:对第二章测试1.虚拟化技术主要用于云计算物理资源的池化，物理资源不包括（）。

参考答案:操作系统2.虚拟技术特性有（）。

参考答案:隔离;封装;分区;相对于硬件独立3.虚拟化的益处包括（）。

参考答案:实现节能减排;实现动态负载均衡;实现资源最优利用;通过系统自愈功能提升可靠性4.个人PC上使用比较多的虚拟化工具有（）。

参考答案:Virtual Box;VMware Workstation5.虚拟化是一项技术，而云是一种环境或服务。

（）参考答案:对6.虚拟化的主要功能是把单个资源抽象成多个给用户使用，而云计算则是帮助不同部门或公司访问一个自动置备的资源池。

（）参考答案:对第三章测试1.开放系统的存储类型分为内置存储和外挂存储，其中外挂存储可分为（）。

Spark大数据技术与应用智慧树知到答案章节测试2023年山西职业技术学院

第一章测试1.与MapReduce相比，Spark更适合处理以下哪种类型的任务（）A:较少迭代次数的短任务B:较多迭代次数的长任务C:较少迭代次数的长任务D:较多迭代次数的短任务答案:D2.Standalone模式下配置Spark集群时，master节点的工作端口号需要在conf文件夹下的哪个文件指明（）A:regionserverB:spark-defaults.confC:spark-env.shD:slaves答案:C3.以下关于SPARK中的spark context，描述错误的是：（）A:可以控制dagsheduler组件B:控制整个application的生命周期C:SparkContext为Spark的主要入口点D:可以控制task scheduler组件答案:B4.以下对Spark中Work的主要工作描述错误的是（）A:不会运行业务逻辑代码B:会运行业务逻辑代码C:管理当前节点内存D:接收master分配过来的资源指令答案:B5.配置Standalone模式下的Spark集群，Worker节点需要在conf文件夹下的哪个文件中指明（）A:spark-env.shB:regionserverC:spark-defaults.confD:slaves答案:D6.Spark支持的分布式部署方式中哪个是错误的（）A:standaloneB:Spark on localC:spark on YARND:spark on mesos答案:B7.Spark单机伪分布式模式，它的特点是在一台节点上既有Master服务，又有Worker服务（）A:对B:错答案:A8.在部署Spark独立模式时，配置spark内部通信的端口为（）A:16010B:7077C:9870D:7070答案:B9.在部署Spark独立模式时，配置spark的web端口为（）A:4040B:9870C:7077D:8080答案:C10.Spark的bin目录是spark运行脚本目录，该目录中包含了加载spark的配置信息，提交作业等执行命令的脚本（）A:错B:对答案:B第二章测试1.valrdd=sc.parallelize(1 to 10).filter(_%2== 0)rdd.collect上述代码的执行结果为（）A:Array(1, 3, 5,7,9)B:Array(1,2,3,4,5,6,7,8,9,10)C:Array(1,10)D:Array(2, 4, 6, 8, 10)答案:D2.下面哪个操作是窄依赖（）A:groupB:joinC:filterD:sort答案:C3.下面哪个操作肯定是宽依赖（）A:flatMapB:mapC:reduceByKeyD:sample答案:C4.以下操作中，哪个不是Spark RDD编程中的操作。

大数据分析与应用知到章节答案智慧树2023年咸阳职业技术学院

大数据分析与应用知到章节测试答案智慧树2023年最新咸阳职业技术学院第一章测试1.HDFS 已经成为了大数据磁盘存储的事实标准，针对关系型以外的数据模型，开源社区形成了 K-V（ key-value）、列式、（）、图这四类 NoSQL 数据库体系。

参考答案:文档2.麦肯锡全球研究所对大数据的定义是（）。

参考答案:一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征3.大数据应用场景不包括（）。

参考答案:人群标签，精准营销4.DataWorks是一个提供了大数据OS能力、并以all in one box的方式提供专业高效、安全可靠的一站式大数据智能云研发平台。

同时能满足用户对数据治理、质量管理需求，赋予用户对外提供数据服务的能力。

（）参考答案:对5.云原生数据仓库MySQL版（简称ADB，原AnalyticDB for MySQL）是一种高并发低延时的PB级新一代云原生数据仓库，全面兼容MySQL协议以及SQL:2003 语法标准，可以毫秒级针对万亿级数据进行即时的多维分析透视和业务探索。

（）参考答案:对第二章测试1.ETL是Extract、 Transform、 Loading三个字母的缩写，即抽取、转换、（）。

参考答案:装载2.HBase是一个构建在HDFS上的分布式列存储系统，用于海量结构化、半结构化数据存储。

（）参考答案:对3.数据规约：在尽可能保持数据原貌的前提下，最大限度地精简数据量。

主要包括属性选择和数据抽样两种方法。

（）参考答案:对4.数据清洗是针对原始数据，对出现的噪声进行修复、平滑或者剔除。

包括异常值、缺失值、重复记录、错误记录等；同时过滤掉不用的数据，包括某些行或某些列。

（）参考答案:对5.使用算法确保历史模型能够用户预测特定的结果。

（）参考答案:对第三章测试1.SQL集数据查询、数据操纵、数据定义和数据库控制功能于一体，语句ALTER TABLE实现数据定义功能。

大数据概论智慧树知到课后章节答案2023年下上海商学院

大数据概论智慧树知到课后章节答案2023年下上海商学院上海商学院第一章测试1.下列哪个表述是错误的？A:在芯片里运行的程序可以是C语言编写。

B:在芯片里运行的程序可以是面向对象语言编写。

C:在芯片里运行的程序可以是汇编语言编写。

D:在芯片里运行的程序可以是二进制语言编写。

答案:在芯片里运行的程序可以是面向对象语言编写。

2.以下哪一种不是计算机操作系统？A:Linux B:iOS C:Android D:Oracle答案:iOS3.微软对Windows界面的开发主要受到哪家公司的启发？A:3M B:施乐 C:IBM D:苹果答案:苹果4.Windows和Linux或者iOS和Android之间的最大区别在于什么？A:速度：前者快后者慢 B:用户体验：前者优后者差 C:价格：前者贵后者便宜 D:思想：前者封闭后者开源答案:思想：前者封闭后者开源5.医疗领域如何利用大数据？A:用户行为分析 B:社保资金安全 C:个性化医疗 D:临床决策支持答案:用户行为分析;社保资金安全;个性化医疗;临床决策支持6.现在非结构化数据已经占人类数据量的25%。

A:对 B:错答案:错7.大数据与云计算结合起来将给世界带来一场深刻的管理技术革命与社会治理创新。

A:错 B:对答案:对8.Python是一种面向对象、（）计算机程序设计语言。

A:编译型 B:解释型答案:解释型9.ASCII码使用一个字节编码。

A:错 B:对答案:对10.GBK是只用来编码汉字的，GBK全称《汉字内码扩展规范》，使用双字节编码。

答案:对第二章测试1.人类科学主要经过了经验科学、理论科学、计算科学、数据科学四个阶段。

A:错 B:对答案:对2.大数据的利用过程是（）。

A:采集-清洗-统计-挖掘 B:采集-挖掘-清洗-统计 C:采集-统计-清洗-挖掘 D:采集-清洗-挖掘-统计答案:采集-清洗-统计-挖掘3.信息只有通过反思、启发和学习等过程被每个个体予以有效处理，才能有用。

大型数据库技术智慧树知到答案章节测试2023年临沂大学

第一章测试1.下面的语句中，( ) 是DDL的例子。

A:createB:deleteC:selectD:insert答案:A2.显示登录的用户名，可以用的命令是：( )A:REM userB:DESCRIB userC:SELECT userD:SHOW user答案:D3.下面哪一个like命令会返回名字象HOTKA的行？( )A:where ename like ‘HOT%’B:where ename like ‘%TOK%’C:where ename like ‘H_T%D:where ename like ‘%TKA’答案:C4.哪个函数与||运算有相同的功能：( )A:instrB:concatC:substrD:ltrim答案:B5.下列哪个聚合函数的参数要求必须是数值型( )。

A:minB:sumC:maxD:count答案:B6.Order by子句仅对检索数据的显示有影响，并不改变表中行的内部顺序。

( )A:对B:错答案:A7.having子句是随着group by子句的出现而出现的，没有group by就没有having。

A:对B:错答案:A8.在查询中，建议多使用列别名提升输出结果的可读性。

A:错B:对答案:B第二章测试1.Test表有一列: test_data number(5,4)，下面哪个值可以添加到该列中（）。

A:222B:2222.2C:22.2D:2.2答案:D2.对于ROLLBACK命令，以下准确的说法是：( )A:撤销本次登录以来所有的数据修改B:撤销上一个COMMIT命令C: 撤销刚刚进行的数据修改操作D:撤销到上次执行提交或回退操作的点答案:D3.表的主键特点中，说法正确的是：( )A:主键的列可以为空值B:主键的每一列都必须惟一C:主键可以定义在表级或列级D:一个表可以定义多个主键答案:C4.删除emp表的全部数据，但不提交，以下正确的语句是：( )A:DELETE TABLE EMPB: DELETE * FROM EMPC:DELETE FROM EMPD:TRUNCATE TABLE EMP答案:C5.下面有关表和视图的叙述中错误的是：( )A:对视图的数据修改最终传递到基表B:视图的数据可以来自多个表C:删除视图不会影响基表的数据D:基表不存在，不能创建视图答案:D6.使用索引可以提高查询的速度，但索引不是越多越好。

大数据分析及应用智慧树知到答案章节测试2023年云南大学

第一章测试1.大数据的英文描述是（）A:Big dataB:Large dataC:Great dataD:Heavy data答案:A2.下面最大的储存单位是（）A:TBB:KBC:PBD:GB答案:C3.大数据之父是（）A:维克托·迈尔-舍恩伯格B:姚期智C:查尔斯·巴赫曼D:詹姆斯·高斯林答案:A4.大数据的特点包括（）A:ValueB:VarietyC:VelocityD:Volume答案:ABCD5.第一次正式提出大数据概念和第一次用社会调查的方式分析大数据对人们生活影响的期刊是（）和（）A:ScienceB:PNASC:NatureD:Cell答案:AC6.大数据是只和互联网相关的计算机技术。

A:错B:对答案:A7.企业中大部分的数据都是非结构化数据。

A:对B:错答案:A8.大数据技术的基础是由阿里巴巴首先提出的。

A:错B:对答案:A9.大数据人才需要数学、统计学、数学分析、商业分析和自然语言处理的多方面的学习。

A:对B:错答案:A10.大数据对网络安全没有威胁。

A:错B:对答案:A第二章测试1.目前，企业的数据架构存在的最大比例问题是（）A:运营成本高B:高耗能C:拓展性差D:资源利用率低答案:C2.目前，企业数据分析处理面临的主要问题是缺少数据全方位分析方法。

A:错B:对答案:B3.地图导航根据以往的行程记录，绘制了最优路程，标明了可能堵车的地点，这表现了大数据分析理念中的（）A:注重相关性而不是因果性B:注重效率而不是准确C:注重相对性而不是绝对性D:注重全体而不是局部答案:A4.最早提出大数据研发计划的国家是（）A:日本B:美国C:中国D:法国答案:B5.大数据可能被运用的行业有（）A:医疗B:农业C:金融D:教育答案:ABCD6.2015年9月18日云南省启动我国首个大数据综合试验区的建设工作。

A:对B:错答案:B7.大数据的价值密度很高。

A:对B:错答案:B8.日本政府将IT产业，尤其是大数据及云计算作为促进经济增长，解决内部矛盾一个关键。

智慧树知到答案数据智能与应用章节测试答案

第一章单元测试1、判断题：大数据是人们在大规模数据的基础上做到的事情，这些事情是在小规模数据的基础上无法完成的。

（）选项：A:对B:错答案: 【对】2、判断题：随着互联网多媒体应用的出现，非结构化数据将占有更大的比重。

（）选项：A:对B:错答案: 【对】3、单选题：任何一列都不可再分的数据为下列哪种数据？（）选项：A:结构化数据B:文本数据C:半结构化数据D:无结构数据答案: 【结构化数据】4、多选题：在《大数据时代》中所提到的大数据三个特征为（）。

选项：A:效率而非精确B:种类而非数量C:全面而非抽样D:相关而非因果答案: 【效率而非精确;全面而非抽样;相关而非因果】5、多选题：下列哪些是深度学习框架？（）选项：A:Scikit-learnB:PyTorchC:TensorFlowD:Jupyter答案: 【PyTorch;TensorFlow】第二章单元测试1、单选题：大数据产生的萌芽阶段为：（）选项：A:21实际初到2010年B:20世纪90年代到21世纪初C:2011年至今D:19世纪90年代到20世纪初答案: 【20世纪90年代到21世纪初】2、判断题：“深度学习”概念是杰弗里辛顿及他的学生鲁斯兰萨拉赫丁诺夫于2005年提出的。

（）选项：A:错B:对答案: 【错】3、判断题：机器学习的最佳场景是大数据。

（）选项：A:错B:对答案: 【对】4、多选题：下列属于数据智能的超强魔力的是：（）选项：A:描述性分析B:预测性分析C:诊断性分析D:指令性分析答案: 【描述性分析;预测性分析;诊断性分析;指令性分析】《人工智能北京共识》于2019年5月25日发布，提出各个参与方应遵循有益于人类共同命运构建和社会发展的几条原则？（）选项：A:15B:10C:25D:20答案: 【15】第三章单元测试1、单选题：一下属于分类算法的是（）。

选项：A:线性回归B:DBSCANC:K-MeansD:逻辑回归答案: 【逻辑回归】2、多选题：以下属于带有正则化的回归算法的是（）。

智慧树答案大数据处理和分析知到课后答案章节测试2022年

第一章1.大数据分析的最终目的是（）答案:通过数据分析来挖掘数据背后的价值2.数据采集的方式包括（）答案:主动数据采集;网络下载数据;购买数据3.Wireshark是手机数据的采集软件（）答案:对4.手机和手机APP是同时连通网络的（）答案:错5.360随身WIFI的目的是（）答案:构造局域网，从而让手机连通电脑6.对于电脑+手机+360WIFI而言，它们之间存在的网络包括（）答案:360WIFI构成的无线网络;笔记本电脑连接的Internet网络;手机的4G网络7.手机APP的联网效率是指手机联上网络的时间T1和手机APP联上网络的时间T2之差（）答案:对8.在上一题中，T1-T2的值越小时，手机APP的联网效率越高。

（）答案:错9.开始手机数据收集之前，需要先关闭手机的3G或者4G网络，仅让手机连接360WIFI的网络（）答案:对10.在手机断开WIFI之后，手机APP会（）答案:立即断开网络第二章1.打开Wireshark软件，可以从主界面的【Open】选项打开*.CSV文件（）答案:错2.分析手机APP的联网效率需要用到（）答案:ICMPV6协议;IP协议;TCP协议3.双击【我的电脑】，可以查看计算机中的IP地址（）答案:错4.打开手机的设置，可以查看到手机的IP地址答案:对5.Wireshark能够记录手机的IP地址并在目标地址位置显示出来（）答案:错6.三次握手协议是属于（）答案:TCP协议7.TCP协议中的FIN表示建立连接答案:错8.手机APP连接网络时用到（）协议答案:三次握手协议9.手机连接网络是用到（）协议答案:ICMPv610.手机数据捕获软件是（）答案:Wireshark第三章1.在实验中是手机最先连接到网络（）答案:错2.手机联网时间可以通过查找三次握手协议获得答案:错3.手机APP联网时间可以通过查找三次握手协议获得答案:错4.当ICMPv6的type为（）时，手机连通了网络答案:1365.当TCP的flag为（）时，表示手机APP连通了网络答案:06.80端口是TCP协议中加密传输需要用到的端口（）答案:错7.TCP协议中非加密传输需要用到的端口（）答案:808.大数据分析的一般方法是先对海量数据进行分析，再约减数据答案:错9.手机端的自动数据采集需要（）软件答案:Wireshark;Excel10.Wireshark软件能够进行脚本录制（）答案:错第四章1.在查找字符串中是否包含字符AB或BA，则应该构造正则表达式（）答案:AB|BA2.下列哪个正则表达式能够表示0个或多个空格（）答案:\s+3.要匹配A1、A2、A3、…、A9，则需要构造正则表达式( )答案:A[1-9]4.要匹配A0、A12、A123、…、A119，则需要构造正则表达式( )答案:A[1-9]5.正则表达式中符号|的意思是（）答案:管道符6.Excel支持通配符查询（）答案:对7.Excel中的筛选功能能够约减数据集（）答案:错8.Excel中能选出满足条件的所有选项，不论这些选项是否是在同一列中。

智慧树知到大数据分析与应用章节测试答案

第一章单元测试1、单选题：大数据泛指巨量的（）。

选项：A:数组集B:数字集C:数据集D:字符集答案: 【数据集】2、单选题：数据分析指的是用适当的（）对收集来的大量数据进行分析，提取有用信息并形成结论。

选项：A:统计分析方法B:定性与定量方法C:概率分析方法D:系统分析方法答案: 【统计分析方法】3、单选题：浏览数据这一步骤可以通过对大数据进行（）来实现。

选项：A:流程化B:分析化C:简易化D:可视化答案: 【可视化】4、多选题：Gartner将大数据定义为是需要新处理模式才能具有更强的（）以及高增长率和多样化的信息资产。

选项：A:流程优化能力B:数据处理能力C:决策力D:洞察发现力答案: 【流程优化能力;决策力;洞察发现力】5、多选题：我们通常用“4V”来反映大数据的特点，4V是指（）。

选项：A:VelocityB:VarietyC:VariousD:Valid答案: 【Velocity;Variety】6、多选题：大数据分析可以应用在那些领域（）。

选项：A:商业领域B:医疗卫生领域C:交通运输领域D:农业领域答案: 【商业领域;医疗卫生领域;交通运输领域;农业领域】7、多选题：大数据分析的过程包括（）。

选项：A:数据理解B:数据处理C:数据优化D:数据准备答案: 【数据理解;数据准备】8、判断题：数据只要有足够的规模就可以称为大数据。

（）选项：A:对B:错答案: 【对】9、判断题：大数据分析是大数据到知识，再到信息的关键步骤。

（）选项：A:错B:对答案: 【错】10、判断题：大数据分析模型用于描述数据之间的关系。

如确定自变量、因变量，进而通过聚类、回归等方法确定其关系。

（）选项：A:对B:错答案: 【对】第二章单元测试1、单选题：数据仓库的定义于哪一年提出（）。

选项：A:1991B:2015C:1902D:2002答案: 【1991】2、单选题：符合选择建立数据仓库平台的公认标准的是（）。

选项：A:是否提供支持少量数据的数据加载B:是否支持对数据库的管理C:是否支持串联操作D:数据库对大数据量的支持能力答案: 【数据库对大数据量的支持能力】3、单选题：建立数据仓库的首要步骤是（）。

智慧树知到《大数据工具应用》章节测试答案

绗竴绔?1銆?011骞撮害鑲敗鐮旂┒闄㈡彁鍑虹殑澶ф暟鎹畾涔夋槸锛氬ぇ鏁版嵁鏄寚鍏跺ぇ灏忚秴鍑轰簡甯歌鏁版嵁搴撳伐鍏疯幏鍙栥€佸偍瀛樸€佺鐞嗗拰锛? 锛夎兘鍔涚殑鏁版嵁闆嗐€?A:璁＄畻B:璁块棶C:搴旂敤D:鍒嗘瀽绛旀: 鍒嗘瀽2銆佺敤4V鏉ユ鎷ぇ鏁版嵁鐨勭壒鐐圭殑璇濓紝涓€鑸槸鎸囷細Value銆乂elocity 銆乂olume鍜岋紙锛夈€?A:VarietyB:VainlyC:VagaryD:Valley绛旀: Variety3銆佸ぇ鏁版嵁鍒嗘瀽鍥涗釜鏂归潰鐨勫伐浣滀富瑕佹槸锛氭暟鎹垎绫汇€侊紙锛夈€佸叧鑱旇鍒欐寲鎺樺拰鏃堕棿搴忓垪棰勬祴銆?A:鏁版嵁缁熻B:鏁版嵁璁＄畻C:鏁版嵁鑱氱被D:鏁版嵁娓呮礂绛旀: 鏁版嵁鑱氱被4銆佹柊娴拰浜笢鑱斿悎鎺ㄥ嚭鐨勫ぇ鏁版嵁鍟嗗搧鎺ㄨ崘锛屾槸鐢变含涓滅洸鐩帹閫佸埌褰撳墠娴忚鏂版氮缃戠珯鐨勭敤鎴风殑椤甸潰涓婄殑銆?A:瀵?B:閿?绛旀: 閿?5銆佺洰鍓嶇殑澶ф暟鎹鐞嗘妧鏈彧鑳藉鐞嗙粨鏋勫寲鏁版嵁銆?A:瀵?B:閿?绛旀: 閿?绗簩绔?1銆佹垜浠父鐢ㄧ殑寰蒋Office濂椾欢涓殑Access鏁版嵁搴撹蒋浠剁殑鏁版嵁搴撴枃浠舵牸寮忓悗缂€鍚嶆槸锛? 锛夈€?A:mdfB:mdbC:dbfD:xls绛旀: mdb2銆佸ぇ澶氭暟鏃ュ織鏂囦欢鐨勫悗缂€鍚嶆槸锛? 锛夈€?A:txtB:csvC:xmlD:log绛旀: log3銆佹湰璇剧▼閲嶇偣浠嬬粛鐨剋eka杞欢鐨勪笓鏈夋枃浠舵牸寮忔槸锛? 锛夈€?A:MongoDBB:ARFFC:valueD:key map绛旀: ARFF4銆佹暟鎹竻娲楀伐浣滅殑鐩殑涓昏鏄瑙ｅ喅鏁版嵁鐨勫畬鏁存€с€佸敮涓€鎬с€佸悎娉曟€у拰锛? 锛夈€?A:涓撲笟鎬?B:鎺掍粬鎬?C:涓€鑷存€?D:鍏变韩鎬?绛旀: 涓€鑷存€?5銆佸叓鐖奔杞欢鐨勨€滆嚜瀹氫箟閲囬泦鈥濆伐浣滄柟寮忎笅锛岄渶瑕佸湪杞欢閲岃緭鍏ヤ竴涓紙锛夋潵浣滀负閲囬泦鐨勭洰鏍囥€?A:鐢佃瘽鍙风爜B:鍏抽敭璇?C:缃戦〉鍦板潃D:鐢ㄦ埛鍚?绛旀: 缃戦〉鍦板潃6銆佸叓鐖奔杞欢鐨勯噰闆嗚鍒欏彲浠ラ€氳繃鏂囦欢鐨勫舰寮忔潵瀵煎叆鎴栬€呭鍑猴紝杩欑鏂囦欢鐨勫悗缂€鍚嶆槸锛? 锛夈€?A:otdB:jpgC:pngD:gif绛旀: otd7銆丒xcel鍙互閫氳繃鈥滄暟鎹湁鏁堟€р€濇寜閽搷浣滄潵瑙勮寖鏁版嵁杈撳叆鐨勮寖鍥淬€?A:瀵?B:閿?绛旀: 瀵?8銆丒xcel涓嶈兘瀵煎叆txt鎴朿sv鏍煎紡鐨勬枃浠躲€?A:瀵?B:閿?绛旀: 閿?9銆佸叓鐖奔杞欢鍙兘瀵硅蒋浠跺唴寤轰簡鈥滅畝鏄撻噰闆嗏€濊鍒欑殑缃戠珯閲囬泦鏁版嵁銆?A:瀵?B:閿?绛旀: 閿?10銆佸叓鐖奔杞欢杩涜鑷畾涔夐噰闆嗘椂锛岄渶瑕佷簡瑙ｅ缃戦〉鐨勯〉闈㈢粨鏋勩€?A:瀵?B:閿?绛旀: 瀵?绗笁绔?1銆佷娇鐢―BSCAN绠楁硶瀵归涪灏捐姳鏁版嵁闆嗭紙Iris.arff锛夎繘琛岃仛绫伙紝灏唀psilon鍙傛暟璁剧疆涓?.2锛? minPoints鍙傛暟璁剧疆涓?锛屽拷鐣lass灞炴€э紝閭ｄ箞灏嗗舰鎴愶紙锛変釜绨囥€?A: 1B: 2C: 3D: 4绛旀: 32銆佷娇鐢‥M绠楁硶瀵瑰ぉ姘旀暟鎹泦锛坵eather.numeric.arff锛夎繘琛岃仛绫伙紝灏唍umClusters璁剧疆涓?锛屽嵆绨囨暟涓?锛屽叾浠栧弬鏁颁繚鎸侀粯璁ゅ€硷紝蹇界暐class灞炴€э紝浠庣粨鏋滀腑鍙煡锛屼笅鍒楅€夐」涓紝锛? 锛夋槸閿欒鐨勩€?A: 妯″瀷鐨勬渶澶т技鐒朵及璁″€兼槸-7.18B: 杩欑粍鏁版嵁鐢ㄧ畻娉曡凯浠?5娆?C: 绗洓涓皣鐨勫厛楠屾鐜囨槸0.14D: 绗洓涓皣鐨勫疄渚嬫暟涓?绛旀: 绗洓涓皣鐨勫疄渚嬫暟涓?3銆佷娇鐢⊿impleKMeans绠楁硶瀵瑰ぉ姘旀暟鎹泦锛坵eather.numeric.arff锛夎繘琛岃仛绫伙紝淇濇寔榛樿鍙傛暟锛屽嵆3涓皣浠ュ強娆ф皬璺濈銆傞€夋嫨play灞炴€т负蹇界暐灞炴€э紝浠庣粨鏋滀腑鍙煡锛屼笅鍒楅€夐」涓紝锛? 锛夋槸閿欒銆?A: 杩欑粍鏁版嵁鐢ㄧ畻娉曡凯浠ｅ洓娆?B: 浜х敓浜嗕笁涓腑蹇冪偣C: 鑱氬悎涓?涓皣锛屽垎鍒湁7锛?锛?涓疄渚?D: 骞虫柟鍜岃宸负8.928绛旀: 杩欑粍鏁版嵁鐢ㄧ畻娉曡凯浠ｅ洓娆?4銆佷娇鐢ㄧ嚎鎬у洖褰掞紙LinearRegression锛夊垎绫诲櫒鍜岀敤M5P鍒嗙被鍣ㄥcpu.arff鍒嗗埆杩涜鍒嗙被锛岀敱鍏惰緭鍑虹殑璇樊鎸囨爣鍙煡锛? 锛夈€?A: LinearRegression鐨勬爣鍑嗚宸瘮M5P鐨勬爣鍑嗚宸皬B: LinearRegression鐨勫钩鍧囩粷瀵硅宸瘮M5P鐨勫钩鍧囩粷瀵硅宸皬C: LinearRegression鐨勭浉瀵硅宸瘮M5P鐨勭浉瀵硅宸皬D: LinearRegression鐨勫钩鍧囨柟鏍硅宸瘮M5P鐨勫钩鍧囨柟鏍硅宸ぇ绛旀: LinearRegression鐨勫钩鍧囨柟鏍硅宸瘮M5P鐨勫钩鍧囨柟鏍硅宸ぇ5銆佸垹鍘籧pu.arff鏁版嵁鏂囦欢涓殑CACH灞炴€у悗锛屼娇鐢∕5P鍒嗙被鍣ㄦ瀯寤烘柟妗堬紝鍦ㄧ粨鏋滀腑锛屽埌杈綥M2鐨勫疄渚嬫暟鏈夛紙锛変釜銆?A: 165B: 21C: 23D: 30绛旀: 216銆佹牴鎹甁48鍒嗙被鍣ㄨ缁僿eather.nominal.arff鎵€鐢熶骇鐨勫喅绛栨爲锛屽綋outlook=sunny锛泃emperature=cool锛沨umidity =high锛泈indy=TRUE鏃讹紝鍒嗙被鐨勭粨鏋滄槸锛?锛夈€?A: YesB: NoC: 娌℃湁缁撴灉D: 鏃犳硶鍒嗙被绛旀: No7銆佹牴鎹甁48鍒嗙被鍣ㄨ缁僫ris.arff鎵€鐢熶骇鐨勫喅绛栨爲锛屽綋sepallength=4.4锛泂epalwidth=3.0锛沺etallength=1.3锛沺etalwidth=0.2鏃讹紝鍒嗙被鐨勭粨鏋滄槸锛? 锛夈€?A: Iris-setosaB: Iris-versicolorC: Iris-virginicaD: 鏃犳硶鍒嗙被绛旀: Iris-setosa8銆佸叧浜嶹eka绂绘暎鍖栬鏄庢纭殑鏄紙锛夈€?A: 绂绘暎鍖栨槸灏嗘暟鍊煎睘鎬ц浆鎹负瀛楃涓插瀷灞炴€?B: 鏈夌洃鐫ｇ鏁ｅ寲鏈変袱绉嶇瓑瀹藉拰绛夐鏂规硶C: 绛夊绂绘暎鍖栨槸浣垮疄渚嬪垎甯冨潎鍖€鐨?D: 绂绘暎鍖栧寘鎷棤鐩戠潱绂绘暎鍖栧拰鏈夌洃鐫ｇ鏁ｅ寲绛旀: 绂绘暎鍖栧寘鎷棤鐩戠潱绂绘暎鍖栧拰鏈夌洃鐫ｇ鏁ｅ寲9銆佷互涓嬶紙锛変笉鏄疻eka鐨勬暟鎹被鍨嬨€?A: numericB: nominalC: stringD: decimal绛旀: decimal10銆佸叧浜嶹eka鐨勬枃浠剁被鍨嬫弿杩伴敊璇殑鏄紙锛夈€?A: Weka鍙互鎵撳紑鏂囦欢鏍煎紡鏈?arff銆?csv銆?xlsxB: Weka澶勭悊鐨勬暟鎹泦绫讳技浜庡叧绯绘暟鎹簱妯瀹炰緥锛岀珫琛屽睘鎬?C: arff鏄疉SCII鏂囦欢锛屽彲浠ョ敤Word绛夋枃鏈紪杈戝櫒鎵撳紑鏌ョ湅D: @relation 瀹氫箟鏁版嵁闆嗗悕绉帮紝@data涔嬪悗鍛堢幇瀹炰緥锛屾瘡涓€琛屽氨鏄竴涓疄渚?绛旀: Weka鍙互鎵撳紑鏂囦欢鏍煎紡鏈?arff銆?csv銆?xlsx11銆佷互涓嬪睘浜庡叧鑱斿垎鏋愮殑鏄紙锛夈€?A: CPU鎬ц兘棰勬祴B: 璐墿绡垎鏋?C: 鑷姩鍒ゆ柇楦㈠熬鑺辩被鍒?D: 鑲＄エ瓒嬪娍寤烘ā绛旀: 璐墿绡垎鏋?12銆佸ぇ鏁版嵁鏃朵唬鐨勫埌鏉ワ紝浣挎垜浠棤娉曚汉涓哄湴鍘诲彂鐜版暟鎹腑鐨勫ゥ濡欙紝涓庢鍚屾椂锛屾垜浠洿搴旇娉ㄩ噸鏁版嵁涓殑鐩稿叧鍏崇郴锛岃€屼笉鏄洜鏋滃叧绯汇€傚叾涓紝鏁版嵁涔嬮棿鐨勭浉鍏冲叧绯诲彲浠ラ€氳繃浠ヤ笅锛? 锛夌畻娉曠洿鎺ユ寲鎺樸€?A: K-meansB: Bayes NetworkC: C4.5D: Apriori绛旀: Apriori13銆佹煇瓒呭競鐮旂┒閿€鍞邯褰曟暟鎹悗鍙戠幇锛屼拱鍟ら厭鐨勪汉寰堝ぇ姒傜巼涔熶細璐拱灏垮竷锛岃繖绉嶅睘浜庢暟鎹寲鎺樼殑锛? 锛夐棶棰樸€?A: 鍏宠仈瑙勫垯鍙戠幇B: 鑱氱被C: 鍒嗙被D: 鑷劧璇█澶勭悊绛旀: 鍏宠仈瑙勫垯鍙戠幇14銆佸湪杩涜鑷姩閫夋嫨灞炴€ф椂锛屽繀椤昏绔嬩袱涓璞★紝鍏朵腑纭畾浣跨敤浠€涔堟柟娉曚负姣忎釜灞炴€у瓙闆嗗垎閰嶄竴涓瘎浼板€肩殑瀵硅薄鏄笅闈㈢殑锛? 锛夈€?A: 鎼滅储鏂规硶B: 灞炴€ц瘎浼板櫒C: 鍏冨垎绫诲櫒D: 瑙勫垯鎸栨帢绛旀: 灞炴€ц瘎浼板櫒15銆佷互涓嬪睘浜庡睘鎬х┖闂寸殑鎼滅储鏂规硶鐨勬槸锛?锛夈€?A: GainRatioAttributeEvalB: BestFirstC: PrincipalComponentsD: SymmetricalUncertAttributeEval绛旀: BestFirst16銆佸湪weka杞欢鎺㈢储鑰呯晫闈腑锛屽埄鐢╒isualize鏍囩椤甸€氳繃鏇存敼鍚勪釜鍙傛暟鏉ヨ繘琛屾暟鎹泦鐨勫彲瑙嗗寲灞炴€ц缃悗锛岄渶瑕佸崟鍑讳互涓嬶紙锛夋寜閽紝鎵€鏈夋洿鏀规墠浼氱敓鏁堛€?A: Select AttributeB: SubSampleC: UpdateD: Fast scrolling绛旀: Update17銆佺粰瀹氬叧鑱旇鍒橝B锛屾剰鍛崇潃锛氳嫢A鍙戠敓锛孊涔熶細鍙戠敓銆?A:瀵?B:閿?绛旀: 閿?18銆佹敮鎸佸害鏄閲忓叧鑱旇鍒欓噸瑕佹€х殑涓€涓寚鏍囥€?A:瀵?B:閿?绛旀: 瀵?19銆丷anker鏂规硶鏃㈠彲浠ョ敤浜庡崟涓睘鎬ц瘎浼板櫒锛屽張鍙互鐢ㄤ簬灞炴€у瓙闆嗚瘎浼板櫒銆?A:瀵?B:閿?绛旀: 閿?20銆佸埄鐢╳eka杞欢杩涜鏁版嵁鍙鍖栨椂锛岀敤鎴峰彲浠ラ€夋嫨绫诲埆灞炴€у鏁版嵁鐐圭潃鑹诧紝濡傛灉绫诲埆灞炴€ф槸鏍囩О鍨嬶紝鍒欐樉绀轰负褰╄壊鏉°€?A:瀵?B:閿?绛旀: 閿?绗洓绔?1銆佽礉鍙舵柉缃戠粶涓殑鑺傜偣浠ｈ〃锛? 锛夈€?A:鍙橀噺B:闅忔満杩囩▼C:闅忔満鍙橀噺D:闅忔満鍑芥暟绛旀: 闅忔満鍙橀噺2銆佽礉鍙舵柉缃戠粶涓紝鑺傜偣闇€缁欏嚭姒傜巼鍒嗗竷鎻忚堪锛屽浜庣鏁ｅ瀷闅忔満鍙橀噺鑰岃█锛屽彲浠ョ敤锛? 锛夌殑褰㈠紡琛ㄧず銆?A:鏉′欢姒傜巼瀵嗗害鍑芥暟B:姝ｆ€佸垎甯?C:鏉′欢姒傜巼琛?D: 鍧囧寑鍒嗗竷绛旀: 鏉′欢姒傜巼琛?3銆佽礉鍙舵柉缃戠粶涓妭鐐逛箣闂寸殑杈逛唬琛紙锛夈€? A:闅忔満鍏崇郴B:姒傜巼鍥犳灉C:缁勫悎鍏崇郴D:闅忔満缁撴灉绛旀: 闅忔満鍏崇郴4銆佽礉鍙舵柉缃戠粶淇濆瓨鐨勬枃浠舵牸寮忔槸( )銆?A:XML BIFB:DOCXC: TXTD:XLS绛旀: XML BIF5銆佷笅闈紙锛変笉鏄弽鍚戜紶鎾缁忕綉缁滅殑缁撴瀯銆? A:杈撳叆灞?B:闅愬惈灞?C:璁＄畻灞?D:杈撳嚭灞?绛旀: 璁＄畻灞?6銆佺缁忕綉缁滀腑鐨勮妭鐐逛唬琛紙锛夈€?A:婵€鍔卞彉閲?B:婵€鍔卞嚱鏁?C:闅忔満鍙橀噺D:闅忔満鍑芥暟绛旀: 婵€鍔卞嚱鏁?7銆佷笅鍒楋紙锛変笉鏄父瑙佺殑婵€鍔卞嚱鏁般€?A:绾挎€у嚱鏁?B:Sigmoid鍑芥暟C:闃堝€煎嚱鏁?D:姝ｅ鸡鍑芥暟绛旀: 姝ｅ鸡鍑芥暟8銆佸湪璐濆彾鏂綉缁滅紪杈戠晫闈㈡椂锛屽鏋滆妭鐐圭殑鍚嶇О娌℃硶瀹屽叏鏄剧ず锛岄渶瑕佷粠锛? 锛夎彍鍗曢」杩涜璋冩暣銆?A:Tools|SetDataB:View|Zoom OutC:View|Zoom InD:Tools|Layout绛旀: Tools|Layout9銆乄EKA涓€夋嫨绁炵粡缃戠粶鍒嗙被鍣ㄦ搷浣滄椂锛屽簲璇ラ€夋嫨锛? 锛夈€?A:rules鏉＄洰涓嬬殑PARTB:functions鏉＄洰涓嬬殑SGD鍒嗙被鍣?C:functions鏉＄洰涓嬬殑MultilayerPerceptron鍒嗙被鍣?D:榛樿鐨勫垎绫诲櫒绛旀: functions鏉＄洰涓嬬殑MultilayerPerceptron鍒嗙被鍣?10銆佷笅闈㈠叧浜嶱ackage Manager瀹夎鍚庣殑鐩綍璇存槑涓嶆纭殑鏄紙锛夈€?A:doc瀛愮洰褰曞瓨鏀続PI鏂囨。

云计算与大数据技术智慧树知到答案章节测试2023年北京联合大学

绪论单元测试1.下列哪些应用属于大数据技术的应用（）。

A:音视频网站上通过分析注册用户的浏览习惯，为用户推送感兴趣的音视频。

B:手机银行或网上银行在用户画像基础上，对用户群进行定位，挖掘潜在金融服务需求。

C:政务领域中的智慧城市建设，如智慧交通、智慧医疗、智慧教育等。

D:电商网站上对注册用户浏览信息记录、分析、挖掘，为用户推送感兴趣的商品。

答案:ABCD2.日常我们用到的云服务器、钉钉办公软件、百度网盘等应用都是云计算服务厂商提供的云计算服务。

（）A:错B:对答案:B第一章测试1.云计算的服务模式包括（）。

A:平台即服务B:软件即服务C:系统即服务D:基础设施即服务答案:ABD2.云计算的劣势有（）。

A:风险被集中B:数据泄密的环节增多C:信息技术产业进一步合理分工D:严重依赖网络答案:ABD3.云计算部署模型有（）。

A:公有云B:私有云C:PaaS云D:混合云答案:ABD4.云计算是把有形的产品（网络设备、服务器、存储设备、各种软件等）转化为服务产品（IaaS，PaaS，SaaS），并通过网络让人们远程在线使用。

（）A:错B:对答案:B5.云计算是一种计算模式，能够提供随时随地、便捷的、随需应变的网络接入，访问可配置的计算资源共享池。

（）A:对B:错答案:A第二章测试1.虚拟化技术主要用于云计算物理资源的池化，物理资源不包括（）。

A:网络B:存储C:服务器D:操作系统答案:D2.虚拟技术特性有（）。

A:隔离B:封装C:分区D:相对于硬件独立答案:ABCD3.虚拟化的益处包括（）。

A:实现节能减排B:实现动态负载均衡C:实现资源最优利用D:通过系统自愈功能提升可靠性答案:ABCD4.个人PC上使用比较多的虚拟化工具有（）。

A:XenB:KVMC:Virtual BoxD:VMware Workstation答案:CD5.虚拟化是一项技术，而云是一种环境或服务。

（）A:对B:错答案:A6.虚拟化的主要功能是把单个资源抽象成多个给用户使用，而云计算则是帮助不同部门或公司访问一个自动置备的资源池。

大数据平台技术智慧树知到答案章节测试2023年山东交通学院

第一章测试1.数据，就是所有能输入到计算机，并被计算机程序处理的符号的总称为（）。

A:对B:错答案:A2.大数据的4V特征包括（）。

A:种类繁多B:规模庞大C:变化频繁D:价值巨大但价值密度低答案:ABCD3.2TB数据等于多少GB（）。

A:1024B:2048C:2000D:1000答案:B4.大数据包含下面类型（）。

A:非结构化数据B:结构化数据C:纯文本数据D:半结构化数据答案:ABCD5.大数据的生命周期一般会经历这么几个阶段（）。

A:可视化B:采集与预处理C:分析与挖掘D:存储与管理答案:ABCD6.大数据平台的基本架构，从技术架构的角度，可划分为这几个层次（）。

A:服务封装层B:数据处理层C:数据存储层D:数据采集层答案:ABCD7.linux系统中cd命令的作用是（）。

A:移动文件或修改文件名B:将源文件复制至目标文件C:进入指定目录D:删除一个目录中的一个或多个文件答案:C8.vi编辑器的操作模式共分为（）。

A:输入模式B:命令模式C:底线命令模式D:编辑模式答案:BCD第二章测试1.Flume的Agent包含这些组成部分（）。

A:SinkB:EventC:SourceD:Channel答案:ACD2.Event由这两部分组成（）。

A:BodyB:HeadC:ArrayD:K-V答案:AB3.Source是Flume中事件的源头，负责接收数据到Flume Agent，可以处理多种类型、多种格式的数据（）A:对B:错答案:A4.Channel是位于Source和Sink之间的缓冲区，对Source和Sink进行一对一处理（）A:错B:对答案:A5.在Flume的配置文件中，对某个目录下文件进行监控的命令是（）。

A:flume-ngB:/bin/bash -cC:execD:tail -f答案:D第三章测试1.以下说法有误的是（）。

A:“元数据”中不包含真正的文件数据B:分布式存储系统需要考虑数据的分块问题C:分布式存储系统可以实现数据容灾D:传统单机存储方式扩容成本较低答案:D2.Hadoop 2.x中HDFS默认的block的大小为（）。

农业大数据技术与应用智慧树知到答案章节测试2023年黑龙江农业经济职业学院

第一章测试1.下面哪种技术为客户提供了一种按需租用的业务模式（）。

A:人工智能B:大数据C:云计算D:物联网答案:C2.就数据的量级而言，1PB数据是多少TB（）。

A:512B:2048C:1024D:1000答案:C3.物联网的英文缩写是（）。

A:DBB:AIC:IOTD:IET答案:C4.在大数据、云计算、物联网、人工智能的关系划分中，大数据属于哪个层次（）。

A:挖掘层B:采集层C:学习层D:承载层答案:A5.以下关于云计算、大数据和物联网之间的关系，论述错误的是（）。

A:物联网可以借助于云计算实现海量数据的存储B:物联网可以借助于大数据实现海量数据的分析C:云计算、大数据和物联网三者紧密相关，相辅相成D:云计算侧重于数据分析答案:D6.当前大数据技术的基础是由哪个公司首先提出的（）。

A:阿里巴巴B:微软C:百度D:谷歌答案:D7.所有数据都可以转化为信息（）A:错B:对答案:A8.农业大数据是大数据理论和技术在农业领域的应用和实践（）A:对B:错答案:A9.物联网与云计算、大数据是相辅相成的关系，物联网就是指无线传感器。

（）A:错B:对答案:A10.农业数据采集困难的原因有（）。

A:数据获取成本较高B:易受外界环境和人的管理等因素影响C:人均耕地少、土地分散D:存在多样性和变异性答案:ABCD第二章测试1.下列哪个选项不属于Python语言的特点（）。

A:语法简单、语言简洁B:扩展性强、类库丰富C:格式规范、可读性强D:易学且执行效率高答案:D2.下列哪个选项不是Python的数值数据类型表示方式（）。

A:floatB:boolC:intD:List答案:D3.下列哪个不是Python列表数据类型的特点（）。

A:列表中存储的元素类型必须相同B:列表元素是有序的C:列表是可变的D:列表中可以包含任意类型答案:A4.下列哪项是Python常用的网络爬虫模块（）。

A:random库B:requests库C:numpy库D:django模块答案:B5.下面哪些选项属于Python的应用领域（）。

空间规划GIS与大数据应用智慧树知到答案章节测试2023年江西师范大学

第一章测试1.GIS之父是谁（）。

A:Mark.BallyB:Jonn.SownC:Roqer.TomlinsonD:ESRI答案:C2.地理信息区别于其他信息的显著标志是（）A:属于社会经济信息B:属于属性信息C:属于共享信息D:属于空间信息答案:D3.地理信息系统在哪方面具有重要应用（）？A:重大防灾减灾的预防B:普通大众的衣食住行C:生态环境保护D:城市与区域规划E:精细化的农业生产领域答案:ABCDE4.到今天，市场上流行很多国产GIS应用软件，她们包括（）？A:ArcGIS系列B:吉奥之星C:MapGISD:SuperMapE:FME答案:BCD5.GIS的空间分析功能包括查询分析、位置分析、趋势分析、模拟分析等。

（）A:对B:错答案:A第二章测试1.GIS数据不可以存放在哪些文件类型中（）A:Shapefile文件B:qdb数据库C:Fff数据库D:mdb数据库答案:C2.ArcMap将CAD文件识别分为几种类型的数据（）？A:4B:3C:2D:5答案:D3.常见的符号化表达的方式有单一符号和类别符号（）A:错B:对答案:B4.文件地理数据库中要素名称可以以数字开头（）A:错B:对答案:A5.编辑GIS数据之后需要在编辑工具条的编辑器按钮的下拉菜单中点击保存？（）A:对B:错答案:A第三章测试1.展开建筑.dwg文件，ArcMap会识别该dwg文件的五个要素类，其中，包含有建筑层数的注记要素类是（）A:建筑.dwg MultipatchB:建筑.dwg AnnotationC:建筑.dwg PolylineD:建筑.dwg Point答案:B2.使用地图处理中的( )功能，将建筑和现状地块作相交叠加，使建筑附上所属地块的属性A:标识B:更新C:联合D:相交答案:D3.使用模型构建器可以用直观的图形语言将一个空间处理过程以模型的方式构建出来。

（）A:错B:对答案:B4.使用叠加分析中的“联合”工具，可以对输入要素类和更新要素类进行合并,并且重叠部分将被更新要素类所替代，而输入要素类的那一部分将被抹去。

智慧树知到《大数据工具应用》章节测试答案

绗竴绔?1銆?011骞撮害鑲敗鐮旂┒闄㈡彁鍑虹殑澶ф暟鎹畾涔夋槸锛氬ぇ鏁版嵁鏄寚鍏跺ぇ灏忚秴鍑轰簡甯歌鏁版嵁搴撳伐鍏疯幏鍙栥€佸偍瀛樸€佺鐞嗗拰锛? 锛夎兘鍔涚殑鏁版嵁闆嗐€?A:璁＄畻B:璁块棶C:搴旂敤D:鍒嗘瀽绛旀: 鍒嗘瀽2銆佺敤4V鏉ユ鎷ぇ鏁版嵁鐨勭壒鐐圭殑璇濓紝涓€鑸槸鎸囷細Value銆乂elocity 銆乂olume鍜岋紙锛夈€?A:VarietyB:VainlyC:VagaryD:Valley绛旀: Variety3銆佸ぇ鏁版嵁鍒嗘瀽鍥涗釜鏂归潰鐨勫伐浣滀富瑕佹槸锛氭暟鎹垎绫汇€侊紙锛夈€佸叧鑱旇鍒欐寲鎺樺拰鏃堕棿搴忓垪棰勬祴銆?A:鏁版嵁缁熻B:鏁版嵁璁＄畻C:鏁版嵁鑱氱被D:鏁版嵁娓呮礂绛旀: 鏁版嵁鑱氱被4銆佹柊娴拰浜笢鑱斿悎鎺ㄥ嚭鐨勫ぇ鏁版嵁鍟嗗搧鎺ㄨ崘锛屾槸鐢变含涓滅洸鐩帹閫佸埌褰撳墠娴忚鏂版氮缃戠珯鐨勭敤鎴风殑椤甸潰涓婄殑銆?A:瀵?B:閿?绛旀: 閿?5銆佺洰鍓嶇殑澶ф暟鎹鐞嗘妧鏈彧鑳藉鐞嗙粨鏋勫寲鏁版嵁銆?A:瀵?B:閿?绛旀: 閿?绗簩绔?1銆佹垜浠父鐢ㄧ殑寰蒋Office濂椾欢涓殑Access鏁版嵁搴撹蒋浠剁殑鏁版嵁搴撴枃浠舵牸寮忓悗缂€鍚嶆槸锛? 锛夈€?A:mdfB:mdbC:dbfD:xls绛旀: mdb2銆佸ぇ澶氭暟鏃ュ織鏂囦欢鐨勫悗缂€鍚嶆槸锛? 锛夈€?A:txtB:csvC:xmlD:log绛旀: log3銆佹湰璇剧▼閲嶇偣浠嬬粛鐨剋eka杞欢鐨勪笓鏈夋枃浠舵牸寮忔槸锛? 锛夈€?A:MongoDBB:ARFFC:valueD:key map绛旀: ARFF4銆佹暟鎹竻娲楀伐浣滅殑鐩殑涓昏鏄瑙ｅ喅鏁版嵁鐨勫畬鏁存€с€佸敮涓€鎬с€佸悎娉曟€у拰锛? 锛夈€?A:涓撲笟鎬?B:鎺掍粬鎬?C:涓€鑷存€?D:鍏变韩鎬?绛旀: 涓€鑷存€?5銆佸叓鐖奔杞欢鐨勨€滆嚜瀹氫箟閲囬泦鈥濆伐浣滄柟寮忎笅锛岄渶瑕佸湪杞欢閲岃緭鍏ヤ竴涓紙锛夋潵浣滀负閲囬泦鐨勭洰鏍囥€?A:鐢佃瘽鍙风爜B:鍏抽敭璇?C:缃戦〉鍦板潃D:鐢ㄦ埛鍚?绛旀: 缃戦〉鍦板潃6銆佸叓鐖奔杞欢鐨勯噰闆嗚鍒欏彲浠ラ€氳繃鏂囦欢鐨勫舰寮忔潵瀵煎叆鎴栬€呭鍑猴紝杩欑鏂囦欢鐨勫悗缂€鍚嶆槸锛? 锛夈€?A:otdB:jpgC:pngD:gif绛旀: otd7銆丒xcel鍙互閫氳繃鈥滄暟鎹湁鏁堟€р€濇寜閽搷浣滄潵瑙勮寖鏁版嵁杈撳叆鐨勮寖鍥淬€?A:瀵?B:閿?绛旀: 瀵?8銆丒xcel涓嶈兘瀵煎叆txt鎴朿sv鏍煎紡鐨勬枃浠躲€?A:瀵?B:閿?绛旀: 閿?9銆佸叓鐖奔杞欢鍙兘瀵硅蒋浠跺唴寤轰簡鈥滅畝鏄撻噰闆嗏€濊鍒欑殑缃戠珯閲囬泦鏁版嵁銆?A:瀵?B:閿?绛旀: 閿?10銆佸叓鐖奔杞欢杩涜鑷畾涔夐噰闆嗘椂锛岄渶瑕佷簡瑙ｅ缃戦〉鐨勯〉闈㈢粨鏋勩€?A:瀵?B:閿?绛旀: 瀵?绗笁绔?1銆佷娇鐢―BSCAN绠楁硶瀵归涪灏捐姳鏁版嵁闆嗭紙Iris.arff锛夎繘琛岃仛绫伙紝灏唀psilon鍙傛暟璁剧疆涓?.2锛? minPoints鍙傛暟璁剧疆涓?锛屽拷鐣lass灞炴€э紝閭ｄ箞灏嗗舰鎴愶紙锛変釜绨囥€?A: 1B: 2C: 3D: 4绛旀: 32銆佷娇鐢‥M绠楁硶瀵瑰ぉ姘旀暟鎹泦锛坵eather.numeric.arff锛夎繘琛岃仛绫伙紝灏唍umClusters璁剧疆涓?锛屽嵆绨囨暟涓?锛屽叾浠栧弬鏁颁繚鎸侀粯璁ゅ€硷紝蹇界暐class灞炴€э紝浠庣粨鏋滀腑鍙煡锛屼笅鍒楅€夐」涓紝锛? 锛夋槸閿欒鐨勩€?A: 妯″瀷鐨勬渶澶т技鐒朵及璁″€兼槸-7.18B: 杩欑粍鏁版嵁鐢ㄧ畻娉曡凯浠?5娆?C: 绗洓涓皣鐨勫厛楠屾鐜囨槸0.14D: 绗洓涓皣鐨勫疄渚嬫暟涓?绛旀: 绗洓涓皣鐨勫疄渚嬫暟涓?3銆佷娇鐢⊿impleKMeans绠楁硶瀵瑰ぉ姘旀暟鎹泦锛坵eather.numeric.arff锛夎繘琛岃仛绫伙紝淇濇寔榛樿鍙傛暟锛屽嵆3涓皣浠ュ強娆ф皬璺濈銆傞€夋嫨play灞炴€т负蹇界暐灞炴€э紝浠庣粨鏋滀腑鍙煡锛屼笅鍒楅€夐」涓紝锛? 锛夋槸閿欒銆?A: 杩欑粍鏁版嵁鐢ㄧ畻娉曡凯浠ｅ洓娆?B: 浜х敓浜嗕笁涓腑蹇冪偣C: 鑱氬悎涓?涓皣锛屽垎鍒湁7锛?锛?涓疄渚?D: 骞虫柟鍜岃宸负8.928绛旀: 杩欑粍鏁版嵁鐢ㄧ畻娉曡凯浠ｅ洓娆?4銆佷娇鐢ㄧ嚎鎬у洖褰掞紙LinearRegression锛夊垎绫诲櫒鍜岀敤M5P鍒嗙被鍣ㄥcpu.arff鍒嗗埆杩涜鍒嗙被锛岀敱鍏惰緭鍑虹殑璇樊鎸囨爣鍙煡锛? 锛夈€?A: LinearRegression鐨勬爣鍑嗚宸瘮M5P鐨勬爣鍑嗚宸皬B: LinearRegression鐨勫钩鍧囩粷瀵硅宸瘮M5P鐨勫钩鍧囩粷瀵硅宸皬C: LinearRegression鐨勭浉瀵硅宸瘮M5P鐨勭浉瀵硅宸皬D: LinearRegression鐨勫钩鍧囨柟鏍硅宸瘮M5P鐨勫钩鍧囨柟鏍硅宸ぇ绛旀: LinearRegression鐨勫钩鍧囨柟鏍硅宸瘮M5P鐨勫钩鍧囨柟鏍硅宸ぇ5銆佸垹鍘籧pu.arff鏁版嵁鏂囦欢涓殑CACH灞炴€у悗锛屼娇鐢∕5P鍒嗙被鍣ㄦ瀯寤烘柟妗堬紝鍦ㄧ粨鏋滀腑锛屽埌杈綥M2鐨勫疄渚嬫暟鏈夛紙锛変釜銆?A: 165B: 21C: 23D: 30绛旀: 216銆佹牴鎹甁48鍒嗙被鍣ㄨ缁僿eather.nominal.arff鎵€鐢熶骇鐨勫喅绛栨爲锛屽綋outlook=sunny锛泃emperature=cool锛沨umidity =high锛泈indy=TRUE鏃讹紝鍒嗙被鐨勭粨鏋滄槸锛?锛夈€?A: YesB: NoC: 娌℃湁缁撴灉D: 鏃犳硶鍒嗙被绛旀: No7銆佹牴鎹甁48鍒嗙被鍣ㄨ缁僫ris.arff鎵€鐢熶骇鐨勫喅绛栨爲锛屽綋sepallength=4.4锛泂epalwidth=3.0锛沺etallength=1.3锛沺etalwidth=0.2鏃讹紝鍒嗙被鐨勭粨鏋滄槸锛? 锛夈€?A: Iris-setosaB: Iris-versicolorC: Iris-virginicaD: 鏃犳硶鍒嗙被绛旀: Iris-setosa8銆佸叧浜嶹eka绂绘暎鍖栬鏄庢纭殑鏄紙锛夈€?A: 绂绘暎鍖栨槸灏嗘暟鍊煎睘鎬ц浆鎹负瀛楃涓插瀷灞炴€?B: 鏈夌洃鐫ｇ鏁ｅ寲鏈変袱绉嶇瓑瀹藉拰绛夐鏂规硶C: 绛夊绂绘暎鍖栨槸浣垮疄渚嬪垎甯冨潎鍖€鐨?D: 绂绘暎鍖栧寘鎷棤鐩戠潱绂绘暎鍖栧拰鏈夌洃鐫ｇ鏁ｅ寲绛旀: 绂绘暎鍖栧寘鎷棤鐩戠潱绂绘暎鍖栧拰鏈夌洃鐫ｇ鏁ｅ寲9銆佷互涓嬶紙锛変笉鏄疻eka鐨勬暟鎹被鍨嬨€?A: numericB: nominalC: stringD: decimal绛旀: decimal10銆佸叧浜嶹eka鐨勬枃浠剁被鍨嬫弿杩伴敊璇殑鏄紙锛夈€?A: Weka鍙互鎵撳紑鏂囦欢鏍煎紡鏈?arff銆?csv銆?xlsxB: Weka澶勭悊鐨勬暟鎹泦绫讳技浜庡叧绯绘暟鎹簱妯瀹炰緥锛岀珫琛屽睘鎬?C: arff鏄疉SCII鏂囦欢锛屽彲浠ョ敤Word绛夋枃鏈紪杈戝櫒鎵撳紑鏌ョ湅D: @relation 瀹氫箟鏁版嵁闆嗗悕绉帮紝@data涔嬪悗鍛堢幇瀹炰緥锛屾瘡涓€琛屽氨鏄竴涓疄渚?绛旀: Weka鍙互鎵撳紑鏂囦欢鏍煎紡鏈?arff銆?csv銆?xlsx11銆佷互涓嬪睘浜庡叧鑱斿垎鏋愮殑鏄紙锛夈€?A: CPU鎬ц兘棰勬祴B: 璐墿绡垎鏋?C: 鑷姩鍒ゆ柇楦㈠熬鑺辩被鍒?D: 鑲＄エ瓒嬪娍寤烘ā绛旀: 璐墿绡垎鏋?12銆佸ぇ鏁版嵁鏃朵唬鐨勫埌鏉ワ紝浣挎垜浠棤娉曚汉涓哄湴鍘诲彂鐜版暟鎹腑鐨勫ゥ濡欙紝涓庢鍚屾椂锛屾垜浠洿搴旇娉ㄩ噸鏁版嵁涓殑鐩稿叧鍏崇郴锛岃€屼笉鏄洜鏋滃叧绯汇€傚叾涓紝鏁版嵁涔嬮棿鐨勭浉鍏冲叧绯诲彲浠ラ€氳繃浠ヤ笅锛? 锛夌畻娉曠洿鎺ユ寲鎺樸€?A: K-meansB: Bayes NetworkC: C4.5D: Apriori绛旀: Apriori13銆佹煇瓒呭競鐮旂┒閿€鍞邯褰曟暟鎹悗鍙戠幇锛屼拱鍟ら厭鐨勪汉寰堝ぇ姒傜巼涔熶細璐拱灏垮竷锛岃繖绉嶅睘浜庢暟鎹寲鎺樼殑锛? 锛夐棶棰樸€?A: 鍏宠仈瑙勫垯鍙戠幇B: 鑱氱被C: 鍒嗙被D: 鑷劧璇█澶勭悊绛旀: 鍏宠仈瑙勫垯鍙戠幇14銆佸湪杩涜鑷姩閫夋嫨灞炴€ф椂锛屽繀椤昏绔嬩袱涓璞★紝鍏朵腑纭畾浣跨敤浠€涔堟柟娉曚负姣忎釜灞炴€у瓙闆嗗垎閰嶄竴涓瘎浼板€肩殑瀵硅薄鏄笅闈㈢殑锛? 锛夈€?A: 鎼滅储鏂规硶B: 灞炴€ц瘎浼板櫒C: 鍏冨垎绫诲櫒D: 瑙勫垯鎸栨帢绛旀: 灞炴€ц瘎浼板櫒15銆佷互涓嬪睘浜庡睘鎬х┖闂寸殑鎼滅储鏂规硶鐨勬槸锛?锛夈€?A: GainRatioAttributeEvalB: BestFirstC: PrincipalComponentsD: SymmetricalUncertAttributeEval绛旀: BestFirst16銆佸湪weka杞欢鎺㈢储鑰呯晫闈腑锛屽埄鐢╒isualize鏍囩椤甸€氳繃鏇存敼鍚勪釜鍙傛暟鏉ヨ繘琛屾暟鎹泦鐨勫彲瑙嗗寲灞炴€ц缃悗锛岄渶瑕佸崟鍑讳互涓嬶紙锛夋寜閽紝鎵€鏈夋洿鏀规墠浼氱敓鏁堛€?A: Select AttributeB: SubSampleC: UpdateD: Fast scrolling绛旀: Update17銆佺粰瀹氬叧鑱旇鍒橝B锛屾剰鍛崇潃锛氳嫢A鍙戠敓锛孊涔熶細鍙戠敓銆?A:瀵?B:閿?绛旀: 閿?18銆佹敮鎸佸害鏄閲忓叧鑱旇鍒欓噸瑕佹€х殑涓€涓寚鏍囥€?A:瀵?B:閿?绛旀: 瀵?19銆丷anker鏂规硶鏃㈠彲浠ョ敤浜庡崟涓睘鎬ц瘎浼板櫒锛屽張鍙互鐢ㄤ簬灞炴€у瓙闆嗚瘎浼板櫒銆?A:瀵?B:閿?绛旀: 閿?20銆佸埄鐢╳eka杞欢杩涜鏁版嵁鍙鍖栨椂锛岀敤鎴峰彲浠ラ€夋嫨绫诲埆灞炴€у鏁版嵁鐐圭潃鑹诧紝濡傛灉绫诲埆灞炴€ф槸鏍囩О鍨嬶紝鍒欐樉绀轰负褰╄壊鏉°€?A:瀵?B:閿?绛旀: 閿?绗洓绔?1銆佽礉鍙舵柉缃戠粶涓殑鑺傜偣浠ｈ〃锛? 锛夈€?A:鍙橀噺B:闅忔満杩囩▼C:闅忔満鍙橀噺D:闅忔満鍑芥暟绛旀: 闅忔満鍙橀噺2銆佽礉鍙舵柉缃戠粶涓紝鑺傜偣闇€缁欏嚭姒傜巼鍒嗗竷鎻忚堪锛屽浜庣鏁ｅ瀷闅忔満鍙橀噺鑰岃█锛屽彲浠ョ敤锛? 锛夌殑褰㈠紡琛ㄧず銆?A:鏉′欢姒傜巼瀵嗗害鍑芥暟B:姝ｆ€佸垎甯?C:鏉′欢姒傜巼琛?D: 鍧囧寑鍒嗗竷绛旀: 鏉′欢姒傜巼琛?3銆佽礉鍙舵柉缃戠粶涓妭鐐逛箣闂寸殑杈逛唬琛紙锛夈€? A:闅忔満鍏崇郴B:姒傜巼鍥犳灉C:缁勫悎鍏崇郴D:闅忔満缁撴灉绛旀: 闅忔満鍏崇郴4銆佽礉鍙舵柉缃戠粶淇濆瓨鐨勬枃浠舵牸寮忔槸( )銆?A:XML BIFB:DOCXC: TXTD:XLS绛旀: XML BIF5銆佷笅闈紙锛変笉鏄弽鍚戜紶鎾缁忕綉缁滅殑缁撴瀯銆? A:杈撳叆灞?B:闅愬惈灞?C:璁＄畻灞?D:杈撳嚭灞?绛旀: 璁＄畻灞?6銆佺缁忕綉缁滀腑鐨勮妭鐐逛唬琛紙锛夈€?A:婵€鍔卞彉閲?B:婵€鍔卞嚱鏁?C:闅忔満鍙橀噺D:闅忔満鍑芥暟绛旀: 婵€鍔卞嚱鏁?7銆佷笅鍒楋紙锛変笉鏄父瑙佺殑婵€鍔卞嚱鏁般€?A:绾挎€у嚱鏁?B:Sigmoid鍑芥暟C:闃堝€煎嚱鏁?D:姝ｅ鸡鍑芥暟绛旀: 姝ｅ鸡鍑芥暟8銆佸湪璐濆彾鏂綉缁滅紪杈戠晫闈㈡椂锛屽鏋滆妭鐐圭殑鍚嶇О娌℃硶瀹屽叏鏄剧ず锛岄渶瑕佷粠锛? 锛夎彍鍗曢」杩涜璋冩暣銆?A:Tools|SetDataB:View|Zoom OutC:View|Zoom InD:Tools|Layout绛旀: Tools|Layout9銆乄EKA涓€夋嫨绁炵粡缃戠粶鍒嗙被鍣ㄦ搷浣滄椂锛屽簲璇ラ€夋嫨锛? 锛夈€?A:rules鏉＄洰涓嬬殑PARTB:functions鏉＄洰涓嬬殑SGD鍒嗙被鍣?C:functions鏉＄洰涓嬬殑MultilayerPerceptron鍒嗙被鍣?D:榛樿鐨勫垎绫诲櫒绛旀: functions鏉＄洰涓嬬殑MultilayerPerceptron鍒嗙被鍣?10銆佷笅闈㈠叧浜嶱ackage Manager瀹夎鍚庣殑鐩綍璇存槑涓嶆纭殑鏄紙锛夈€?A:doc瀛愮洰褰曞瓨鏀続PI鏂囨。

智慧树知到大数据工具应用章节测试答案

智慧树知到大数据工具应用章节测试答案第一题：大数据工具是指用于处理大规模数据的软件和技术工具。

它们能够帮助用户快速、高效地处理和分析海量数据，从而发现数据中隐藏的规律和价值。

大数据工具的应用范围非常广泛，包括数据清洗、数据存储、数据分析、数据可视化等方面。

第二题：Hadoop是一种分布式计算框架，主要用于存储和处理大规模数据。

它由Hadoop分布式文件系统（HDFS）和Hadoop分布式计算框架（MapReduce）两部分组成。

HDFS用于将数据分布式存储在多台机器上，而MapReduce则用于将数据分布式处理和计算。

Hadoop具有高可靠性、高扩展性和高容错性的特点，适用于处理大规模数据。

第三题：Hive是一种基于Hadoop的数据仓库工具，它提供了类似于SQL的查询语言，可以将结构化数据映射到Hadoop集群上进行查询和分析。

Hive将查询语句转化为MapReduce任务，在Hadoop集群上执行。

Hive适用于处理结构化数据，如日志数据、用户行为数据等。

它提供了丰富的数据处理函数和数据转换功能，能够满足大部分数据分析的需求。

第四题：Spark是一种快速、通用的大数据处理引擎，它可以在内存中高效地处理大规模数据。

Spark提供了丰富的API，支持多种编程语言，如Java、Scala和Python。

Spark的核心概念是弹性分布式数据集（RDD），它是一种抽象的数据结构，可以在集群中并行处理和计算。

Spark具有高速、易用和可扩展的特点，适用于各种大数据处理场景。

第五题：Flink是一种流式处理框架，它能够实时处理和分析数据流。

Flink提供了流处理和批处理两种模式，可以处理无界数据流和有界数据集。

Flink具有低延迟、高吞吐量和容错性的特点，适用于实时数据处理和流式计算。

Flink支持多种数据源和数据接收器，可以与其他大数据工具无缝集成。

第六题：Kafka是一种分布式消息队列系统，用于高吞吐量的发布/订阅消息传输。

大数据技术原理与应用知到章节答案智慧树2023年青岛滨海学院

大数据技术原理与应用知到章节测试答案智慧树2023年最新青岛滨海学院第一章测试1.大数据的起源是（）。

参考答案:互联网2.美国海军军官莫里通过对前人航海日志的分析，绘制了新的航海路线图，标明了大风与洋流可能发生的地点。

这体现了大数据分析理念中的:（）。

参考答案:相关分析而非因果分析3.当前社会中，最为突出的大数据环境是（）。

参考答案:互联网4.大数据时代，数据使用的关键是（）。

参考答案:数据再利用5.智慧城市的智慧之源是（）。

参考答案:大数据6.万物皆可连，任何事物之间逻辑上都有可能存在联系，这是（）思维的表现。

参考答案:相关7.对于大数据而言，最基本、最重要的要求就是减少错误、保证质量。

因此，大数据收集的信息量要尽量精确。

（）参考答案:错8.“大数据”并不等同于“大规模数据”。

（）参考答案:对9.大数据的价值是数据本身。

( )参考答案:错10.非结构化数据即行数据，存储在数据库里。

( )参考答案:错第二章测试1.下列关于Hadoop说法正确的是（）。

参考答案:Hadoop是一个能够对大量数据进行分布式处理的软件框架2.Hadoop生态系统中开源的数据分析集群计算框架是（）。

参考答案:Pig3.在初次启动Hadoop集群时，必须对主节点HDFS进行格式化处理，具体指令为（）。

参考答案:hdfs namenode -format4.查看hadoop进程在主节点master的Terminal终端执行（）命令。

Jps5.Hadoop的安装模式不包括（）。

参考答案:安全模式6.对称加密算法中需要有两个不同的密钥：公钥和私钥。

（）参考答案:错7.RSA是目前最有影响力的公钥加密算法，它能够抵抗到目前为止已知的所有密码攻击，已被ISO推荐为公钥数据加密标准。

（）参考答案:对8.Hadoop 集群正常启动后，默认开放18088端口，用于监控YARN集群。

（）参考答案:对9.Hadoop 默认模式为非分布式模式（本地模式），无需进行其他配置即可运行。

大数据概论智慧树知到课后章节答案2023年下上海商学院

大数据概论智慧树知到课后章节答案2023年下上海商学院上海商学院第一章测试1.下列哪个表述是错误的？答案:在芯片里运行的程序可以是面向对象语言编写。

2.以下哪一种不是计算机操作系统？答案:iOS3.微软对Windows界面的开发主要受到哪家公司的启发？答案:苹果4.Windows和Linux或者iOS和Android之间的最大区别在于什么？答案:思想：前者封闭后者开源5.医疗领域如何利用大数据？答案:用户行为分析;社保资金安全;个性化医疗;临床决策支持6.现在非结构化数据已经占人类数据量的25%。

答案:错7.大数据与云计算结合起来将给世界带来一场深刻的管理技术革命与社会治理创新。

答案:对8.Python是一种面向对象、（）计算机程序设计语言。

答案:解释型9.ASCII码使用一个字节编码。

答案:对10.GBK是只用来编码汉字的，GBK全称《汉字内码扩展规范》，使用双字节编码。

答案:对第二章测试1.人类科学主要经过了经验科学、理论科学、计算科学、数据科学四个阶段。

答案:对2.大数据的利用过程是（）。

答案:采集-清洗-统计-挖掘3.信息只有通过反思、启发和学习等过程被每个个体予以有效处理，才能有用。

答案:对4.数据是作为信息的重要来源，信息经过加工转化为知识。

答案:对5.在大量知识积累基础上，总结成原理和法则，就形成了智慧。

答案:对6.信息是有时效性的。

答案:对7.在一个系统中，（）贯穿整个系统，对信息的管理和控制使系统的运行更加有序。

答案:信息8.系统测试的步骤是（）。

答案:单元测试、子系统测试、系统测试、验收测试9.知识阶层中最底层也是最基础的是（）。

答案:数据10.信息的主要形式维度有（）。

答案:声音;文本;视频;动画;图表第三章测试1.数据分析的三个层次是（）。

答案:预测分析;规范分析;描述分析2.数据分析的第一步是（）。

答案:需求分析3.收集的数据在处理之前必须经过预处理的步骤。

答案:对4.（）是指通过对比分析、分组分析、交叉分析、回归分析答案:数据建模分析5.把（）溶入数据挖掘过程是数据挖掘成功的关键。

智慧树知到《大数据工具应用》章节测试答案

大数据可视化智慧树知到课后章节答案2023年下浙江大学

大数据解析与应用导论知到章节答案智慧树2023年浙江大学

云计算与大数据技术知到章节答案智慧树2023年北京联合大学

Spark大数据技术与应用智慧树知到答案章节测试2023年山西职业技术学院

大数据分析与应用知到章节答案智慧树2023年咸阳职业技术学院

大数据概论智慧树知到课后章节答案2023年下上海商学院

大型数据库技术智慧树知到答案章节测试2023年临沂大学

大数据分析及应用智慧树知到答案章节测试2023年云南大学

智慧树知到答案 数据智能与应用章节测试答案

智慧树答案大数据处理和分析知到课后答案章节测试2022年

智慧树知到大数据分析与应用章节测试答案

智慧树知到《大数据工具应用》章节测试答案

云计算与大数据技术智慧树知到答案章节测试2023年北京联合大学

大数据平台技术智慧树知到答案章节测试2023年山东交通学院

农业大数据技术与应用智慧树知到答案章节测试2023年黑龙江农业经济职业学院

空间规划GIS与大数据应用智慧树知到答案章节测试2023年江西师范大学

智慧树知到《大数据工具应用》章节测试答案

智慧树知到大数据工具应用章节测试答案

大数据技术原理与应用知到章节答案智慧树2023年青岛滨海学院

大数据概论智慧树知到课后章节答案2023年下上海商学院

智慧树知到答案数据智能与应用章节测试答案