數(shù)據(jù)工程智慧樹知到課后章節(jié)答案2023年下同濟(jì)大學(xué)

數(shù)據(jù)工程智慧樹知到課后章節(jié)答案2023年下同濟(jì)大學(xué)同濟(jì)大學(xué)

第一章測試

下列哪個數(shù)據(jù)庫不屬于NoSQL數(shù)據(jù)庫？

A:RedisB:Bigtable

C:OracleD:Neo4J

答案:Oracle

MongoDB屬于哪類NoSQL數(shù)據(jù)庫？

A:列數(shù)據(jù)庫B:圖數(shù)據(jù)庫C:文檔數(shù)據(jù)庫D:鍵值數(shù)據(jù)庫

答案:文檔數(shù)據(jù)庫

關(guān)系數(shù)據(jù)庫中的參照完整性主要通過（）實(shí)現(xiàn)。

A:審計(jì)B:外鍵C:關(guān)鍵字D:主鍵

答案:外鍵;主鍵

在關(guān)系數(shù)據(jù)庫中，為了保證數(shù)據(jù)的一致性，事務(wù)處理必須保證具有哪些特性？（）

A:一致性B:持久性C:隔離性D:原子性

答案:一致性;持久性;隔離性;原子性

下面哪些是NoSQL數(shù)據(jù)庫的特點(diǎn)？

A:可用性強(qiáng)B:模式靈活C:高可擴(kuò)展D:嚴(yán)格的模式定義

答案:可用性強(qiáng);模式靈活;高可擴(kuò)展

大數(shù)據(jù)價(jià)值挖掘是一個從數(shù)據(jù)到信息，再由信息到知識的凝練過程。

A:對B:錯

答案:對

NoSQL數(shù)據(jù)庫是對SQL數(shù)據(jù)庫的否定，可以完全代替SQL數(shù)據(jù)庫。

A:對B:錯

答案:錯

在并行和分布式數(shù)據(jù)庫中，共享內(nèi)存架構(gòu)的每個處理器都有自己的磁盤，所有處理器共享一個內(nèi)存空間。

A:錯B:對

答案:對

關(guān)系數(shù)據(jù)庫采取了強(qiáng)一致性約束,符合CAP理論中的C和P。

A:錯B:對

答案:錯

關(guān)系數(shù)據(jù)庫的實(shí)體完整性主要通過（）實(shí)現(xiàn)。

A:訪問控制B:審計(jì)C:主鍵D:關(guān)系表

答案:主鍵

第二章測試

OLAP一般運(yùn)行于業(yè)務(wù)數(shù)據(jù)庫上，OLTP則一般運(yùn)行于數(shù)據(jù)倉庫上。

A:錯B:對

答案:錯

數(shù)據(jù)清洗是剔除數(shù)據(jù)里的異常，使數(shù)據(jù)集成為現(xiàn)實(shí)世界的準(zhǔn)確、沒有重復(fù)表示的過程。

A:對B:錯

答案:對

聯(lián)邦數(shù)據(jù)庫模式不適宜進(jìn)行需要在很多的數(shù)據(jù)源之間進(jìn)行通訊和數(shù)據(jù)交換的數(shù)據(jù)集成。

A:對B:錯

答案:對

列存儲數(shù)據(jù)對排序操作和數(shù)據(jù)壓縮有較好的支持。

A:對B:錯

答案:對

在數(shù)據(jù)倉庫中，ETL操作包括（）。

A:加載B:抽取C:轉(zhuǎn)換D:傳輸

答案:加載;抽取;轉(zhuǎn)換

數(shù)據(jù)源之間的異構(gòu)性主要包括（）。

A:數(shù)據(jù)模式的異構(gòu)性B:數(shù)據(jù)類型的異構(gòu)性C:通訊協(xié)議異構(gòu)性D:數(shù)據(jù)管理系統(tǒng)的異構(gòu)性

答案:數(shù)據(jù)模式的異構(gòu)性;數(shù)據(jù)類型的異構(gòu)性;通訊協(xié)議異構(gòu)性;數(shù)據(jù)管理系統(tǒng)的異構(gòu)性

下列哪些技術(shù)可以用于在大數(shù)據(jù)使用過程中保護(hù)用戶隱私？

A:同態(tài)加密B:聯(lián)邦數(shù)據(jù)庫C:內(nèi)存數(shù)據(jù)庫D:差分隱私

答案:同態(tài)加密;聯(lián)邦數(shù)據(jù)庫;差分隱私

下列那一項(xiàng)不屬于數(shù)據(jù)清理中的數(shù)據(jù)異常？

A:覆蓋類異常B:語義類異常C:語法類異常D:插入類異常

答案:插入類異常

在數(shù)據(jù)庫中，規(guī)定了員工表的工資字段必須大于0。如果某個員工的工資<0，則屬于（）。

A:語義類異常B:詞法錯誤C:不規(guī)則取值D:語法類異常

答案:語義類異常

下列哪一項(xiàng)不是大數(shù)據(jù)管理的新挑戰(zhàn)（）。

A:高性能數(shù)據(jù)服務(wù)要求B:數(shù)據(jù)規(guī)模大C:私保護(hù)D:多源、異構(gòu)、跨領(lǐng)域

答案:數(shù)據(jù)規(guī)模大

第三章測試

下列關(guān)于不同的簇類型的說法中，不正確的是（）。

A:在明顯分離的簇中，同簇中的對象之間的距離要大于異簇的對象B:在基于鄰近度的簇中，度量方式通常是最近鄰或連通度C:在基于密度的簇中，簇通常是高密度的區(qū)域D:在基于中心的簇中，簇的中心通常叫質(zhì)心，即簇中所有點(diǎn)的平均值

答案:在明顯分離的簇中，同簇中的對象之間的距離要大于異簇的對象

以下哪些選項(xiàng)是K-均值聚類面臨的問題？

A:貪心算法存在的問題B:K的選擇具有挑戰(zhàn)性C:難以處理噪聲、異常值D:關(guān)于數(shù)據(jù)的球形假設(shè)（到聚類中心的距離）

答案:貪心算法存在的問題;K的選擇具有挑戰(zhàn)性;難以處理噪聲、異常值;關(guān)于數(shù)據(jù)的球形假設(shè)（到聚類中心的距離）

凝聚層次聚類中，定義簇間的相似度的方法有（）。

A:MIN（單鏈）B:Ward方法C:MAX（全鏈）D:組平均

答案:MIN（單鏈）;Ward方法;MAX（全鏈）;組平均

DBSCAN算法的缺點(diǎn)包括？

A:對輸入?yún)?shù)敏感B:對于高維問題，密度定義是個比較麻煩的問題C:易受到噪聲和異常值的影響D:當(dāng)簇的密度變化太大時，不能很好的處理

答案:對輸入?yún)?shù)敏感;對于高維問題，密度定義是個比較麻煩的問題;當(dāng)簇的密度變化太大時，不能很好的處理

CHAMELEON算法的優(yōu)點(diǎn)包括：（）。

A:復(fù)雜度低，適合在大規(guī)模數(shù)據(jù)集應(yīng)用B:能夠有效地聚類空間數(shù)據(jù)C:對噪聲和異常數(shù)據(jù)不敏感

D:能識別具有不同形狀、大小和密度的簇

答案:能夠有效地聚類空間數(shù)據(jù);對噪聲和異常數(shù)據(jù)不敏感

;能識別具有不同形狀、大小和密度的簇

同一組數(shù)據(jù)通過不同聚類算法得到的簇的個數(shù)是相同的。

A:錯B:對

答案:錯

相似度的度量方式隨著數(shù)據(jù)對象的屬性類型改變而改變。

A:錯B:對

答案:對

全鏈在處理大小不同的簇時，可能使大的簇破裂。

A:錯B:對

答案:對

DBSCAN聚類結(jié)果受參數(shù)影響較小。

A:錯B:對

答案:錯

使用KMEANS、DBSCAN等多種聚類算法對同一數(shù)據(jù)集進(jìn)行聚類時，可能會得到不同的分組數(shù)（類數(shù)），分組數(shù)較多的聚類算法一般是比較好的。

A:對B:錯

答案:錯

第四章測試

在貝葉斯定理的公式當(dāng)中，哪一個是先驗(yàn)概率？

A:P(B|A)B:P(B)C:P(A)D:P(A|B)

答案:P(A)

在電視游戲節(jié)目中，參賽者選擇三個門之一；一扇門的后面有獎，而另兩扇的后面沒有獎。參賽者選擇一扇門后，游戲節(jié)目主持人將打開其余的一扇門，并顯示門后沒有任何獎金。然后，主持人詢問參賽者是將自己的選擇切換到另一扇未打開的門，還是將STICK切換到其原始選擇。這對參賽者來說切換們是有利的。

A:錯B:對

答案:對

貝葉斯決策是由先驗(yàn)概率和類條件概率，推導(dǎo)后驗(yàn)概率，然后利用這個概率進(jìn)行決策。

A:對B:錯

答案:對

關(guān)于決策樹算法的描述正確的是（）。

A:決策樹剪枝的目的是為了降低決策樹算法的過擬合B:決策樹可以看成一個If-then規(guī)則的集合。C:在決策樹算法中，每個內(nèi)部結(jié)點(diǎn)表示在一個特征或?qū)傩裕幻總€分支代表這個特征或?qū)傩栽谀硞€值域上的輸出；每個葉結(jié)點(diǎn)代表一種類別。D:在決策樹的各個結(jié)點(diǎn)上以信息增益為準(zhǔn)則，選擇劃分后信息增益最大的屬性作為劃分屬性，遞歸地構(gòu)建決策樹。

答案:決策樹可以看成一個If-then規(guī)則的集合。

決策樹中屬性選擇的方法有（）。

A:信息值B:信息增益C:GINI系數(shù)D:信息增益率

答案:信息增益;GINI系數(shù);信息增益率

對于信息增益,決策樹分裂節(jié)點(diǎn),下面說法正確的是（）1.純度高的節(jié)點(diǎn)需要更多的信息去區(qū)分2.信息增益可以用”1比特-熵”獲得3.如果選擇一個屬性具有許多歸類值,那么這個信息增益是有偏差的

A:1B:3

C:2D:2和3

答案:2和3

SVM中的泛化誤差代表什么？

A:分類超平面與支持向量的距離B:SVM中的誤差閾值C:SVM對新數(shù)據(jù)的預(yù)測準(zhǔn)確度

答案:SVM對新數(shù)據(jù)的預(yù)測準(zhǔn)確度

若參數(shù)C（costparameter）被設(shè)為無窮，下面哪種說法是正確的？

A:軟間隔SVM分類器將正確分類數(shù)據(jù)B:在如此高的誤分類懲罰下，存在軟間隔分類超平面C:只要最佳分類超平面存在，它就能將所有數(shù)據(jù)全部正確分類

答案:只要最佳分類超平面存在，它就能將所有數(shù)據(jù)全部正確分類

怎樣理解“硬間隔”？

A:SVM只允許極小誤差B:SVM不允許有誤差

C:SVM允許分類時出現(xiàn)一定范圍的誤差

答案:SVM只允許極小誤差

VM算法的最小時間復(fù)雜度是O（n2），基于此，以下哪種規(guī)格的數(shù)據(jù)集并不適該算法？

A:不受數(shù)據(jù)集大小影響B(tài):大數(shù)據(jù)集C:小數(shù)據(jù)集D:中等數(shù)據(jù)集

答案:大數(shù)據(jù)集

第五章測試

梯度下降算法的正確步驟是什么？a.計(jì)算預(yù)測值和真實(shí)值之間的誤差b.重復(fù)迭代，直至得到網(wǎng)絡(luò)權(quán)重的最佳值c.把輸入傳入網(wǎng)絡(luò)，得到輸出值d.用隨機(jī)值初始化權(quán)重和偏差e.對每一個產(chǎn)生誤差的神經(jīng)元，調(diào)整相應(yīng)的（權(quán)重）值以減小誤差

A:cbaed

B:abcde

C:edcba

D:dcaeb

答案:dcaeb

已知：大腦是有很多個叫做神經(jīng)元的東西構(gòu)成，神經(jīng)網(wǎng)絡(luò)是對大腦的簡單的數(shù)學(xué)表達(dá)。-每一個神經(jīng)元都有輸入、處理函數(shù)和輸出。-神經(jīng)元組合起來形成了網(wǎng)絡(luò)，可以擬合任何函數(shù)。-為了得到最佳的神經(jīng)網(wǎng)絡(luò)，我們用梯度下降方法不斷更新模型給定上述關(guān)于神經(jīng)網(wǎng)絡(luò)的描述，什么情況下神經(jīng)網(wǎng)絡(luò)模型被稱為深度學(xué)習(xí)模型？

A:有維度更高的數(shù)據(jù)B:當(dāng)這是一個圖形識別的問題時C:加入更多層，使神經(jīng)網(wǎng)絡(luò)的深度增加

答案:加入更多層，使神經(jīng)網(wǎng)絡(luò)的深度增加

訓(xùn)練CNN時，可以對輸入進(jìn)行旋轉(zhuǎn)、平移、縮放等預(yù)處理提高模型泛化能力。

A:對B:錯

答案:對

下面哪項(xiàng)操作能實(shí)現(xiàn)跟神經(jīng)網(wǎng)絡(luò)中Dropout的類似效果？

A:Boosting

B:MappingC:Bagging

D:Stacking

答案:Bagging

下列哪一項(xiàng)在神經(jīng)網(wǎng)絡(luò)中引入了非線性？

A:卷積函數(shù)B:隨機(jī)梯度下降C:修正線性單元（ReLU）

答案:修正線性單元（ReLU）

多對一RNN架構(gòu)可以應(yīng)用于以下哪些任務(wù)？

A:語音中的性別識別（輸入音頻剪輯并輸出表明說話者性別的標(biāo)簽）B:情感分類（輸入一段文字并輸出0/1表示正面或負(fù)面情緒）C:語音識別（輸入一個音頻輸出一段字幕）D:圖像分類（輸入圖像輸出標(biāo)簽）

答案:語音中的性別識別（輸入音頻剪輯并輸出表明說話者性別的標(biāo)簽）;情感分類（輸入一段文字并輸出0/1表示正面或負(fù)面情緒）

您正在訓(xùn)練RNN，發(fā)現(xiàn)您的權(quán)重和激活都具有NaN的值（“非數(shù)字”）。以下哪項(xiàng)最可能是此問題的原因？

A:在sigmoid激活函數(shù)當(dāng)中z太大B:梯度爆炸問題C:在ReLU激活函數(shù)當(dāng)中z太大D:梯度消失問題

答案:梯度爆炸問題

為了使RNN更容易訓(xùn)練，需要選取更好的激活函數(shù)，如Relu激活函數(shù)。ReLU函數(shù)的左側(cè)導(dǎo)數(shù)為0，右側(cè)導(dǎo)數(shù)恒為1，這就避免了梯度爆炸問題的發(fā)生。

A:對B:錯

答案:錯

RNN會發(fā)生梯度消失的問題，產(chǎn)生這樣的問題的原因是RNN在算是會有激活函數(shù)導(dǎo)數(shù)的累乘，如果取tanh或sigmoid函數(shù)作為激活函數(shù)的話，那么必然是一堆小數(shù)在做乘法，結(jié)果就是越乘越小。隨著時間序列的不斷深入，小數(shù)的累乘就會導(dǎo)致梯度越來越小直到接近于0，這就是“梯度消失“現(xiàn)象。

A:錯B:對

答案:對

假設(shè)你正在訓(xùn)練LSTM。你有10000個單詞的詞匯，并且正在使用具有100維激活的LSTM。每步當(dāng)中的維數(shù)是多少？

A:100B:300C:1000D:1

答案:100

第六章測試

數(shù)據(jù)可視化有哪些主要分支方向？

A:信息可視化B:科學(xué)可視化

C:可視分析D:統(tǒng)計(jì)數(shù)據(jù)可視化

答案:信息可視化;科學(xué)可視化

;可視分析

信息可視化主要是針對什么類型數(shù)據(jù)的？

A:科學(xué)數(shù)據(jù)B:圖形數(shù)據(jù)C:統(tǒng)計(jì)數(shù)據(jù)D:抽象數(shù)據(jù)

答案:抽象數(shù)據(jù)

下列選項(xiàng)中哪一項(xiàng)不屬于可視化的基本設(shè)計(jì)準(zhǔn)則。（）

A:設(shè)計(jì)能夠高效傳達(dá)信息的可視化

B:設(shè)計(jì)能夠直觀傳遞信息的可視化C:設(shè)計(jì)能夠讓人賞心悅目的可視化D:設(shè)計(jì)能夠正確表達(dá)信息的可視化

答案:設(shè)計(jì)能夠直觀傳遞信息的可視化

謊言因子是設(shè)計(jì)用來度量可視化中什么設(shè)計(jì)指標(biāo)的方法？

A:可視化美觀程度的度量方法B:可視化呈現(xiàn)數(shù)據(jù)時夸張程度的度量方法

C:可視化表達(dá)信息效率的度量方法

答案:可視化呈現(xiàn)數(shù)據(jù)時夸張程度的度量方法

以下哪一種交互不屬于常見的可視化交互類型。

A:過濾B:編碼C:定向D:選擇

答案:定向

“數(shù)據(jù)瀏覽”交互主要是為了完成什么任務(wù)：（）。

A:展現(xiàn)數(shù)據(jù)中的不同子集

B:展現(xiàn)不同的數(shù)據(jù)粒度

C:展現(xiàn)不同的數(shù)據(jù)映射方式D:瀏覽并篩選數(shù)據(jù)

答案:展現(xiàn)數(shù)據(jù)中的不同子集

以下哪一項(xiàng)不屬于數(shù)據(jù)的維度的類型（）。

A:分類屬性B:有序?qū)傩訡:時間屬性D:數(shù)據(jù)屬性

答案:時間屬性

PCA

的設(shè)計(jì)原理是：（）。

A:最小化數(shù)據(jù)點(diǎn)與數(shù)據(jù)點(diǎn)之間的距離在高、低維空間中的差異B:最大化數(shù)據(jù)點(diǎn)在低維空間中點(diǎn)的差異

C:最大化數(shù)據(jù)點(diǎn)在高維空