2026年知到答案 大数据分析与应用综合实训 最新知到智慧树满分章节测试答案

绪论 单元测试

1、 问题:大数据分析与应用综合实训这门课程，是为（ ）专业的学生准备的实训课程。
选项：
A:云计算技术应用
B:软件技术
C:大数据技术
D:人工智能技术应用
答案: 【
大数据技术
】

2、 问题:大数据分析工程项目包含的流程有（ ）。
选项：
A:数据获取
B:数据预处理
C:数据分析
D:数据可视化
答案: 【
数据获取
数据预处理
数据分析
数据可视化
】

3、 问题:作为高等职业教育专科 “大数据技术”专业的学生，需要学习专业基础课程有（ ）。
选项：
A:计算机网络技术、Web 前端技术基础、Linux 操作系统
B:程序设计基础（JAVA）、Python编程基础、数据库技术
C:数据采集技术、数据预处理技术、大数据分析技术应用
D:数据可视化技术与应用、数据挖掘应用、大数据平台部署与运维
答案: 【
计算机网络技术、Web 前端技术基础、Linux 操作系统
程序设计基础（JAVA）、Python编程基础、数据库技术
】

4、 问题:作为高等职业教育专科 “大数据技术”专业的学生，需要学习专业核心课程有（ ）。
选项：
A:计算机网络技术、Web 前端技术基础、Linux 操作系统
B:程序设计基础（JAVA）、Python编程基础、数据库技术
C:数据采集技术、数据预处理技术、大数据分析技术应用
D:数据可视化技术与应用、数据挖掘应用、大数据平台部署与运维
答案: 【
数据采集技术、数据预处理技术、大数据分析技术应用
数据可视化技术与应用、数据挖掘应用、大数据平台部署与运维
】

5、 问题:课程要求在教师的指导下，完成5个项目的实操任务。通过学习，达到以下哪些知识目标、能力目标和素质目标？（ ）
选项：
A:掌握Hadoop大数据相关组件的知识，掌握数据获取、数据清洗与分析、大数据可视化的相关知识。
B:掌握大数据工程项目开发框架，具有项目整合开发的能力。
C:熟悉大数据分析项目的全过程，包括需求分析、平台部署、数据获取、数据清洗、数据分析、数据可视化、总结和应用等一系列流程，具有一定的大数据分析项目的实施和管理能力。
D:具有勤劳务实、敢于担当、严谨认真、精益求精的职业精神；关注细节、检错纠错、深入钻研、开拓创新的职业素养。
答案: 【
掌握Hadoop大数据相关组件的知识，掌握数据获取、数据清洗与分析、大数据可视化的相关知识。
掌握大数据工程项目开发框架，具有项目整合开发的能力。
熟悉大数据分析项目的全过程，包括需求分析、平台部署、数据获取、数据清洗、数据分析、数据可视化、总结和应用等一系列流程，具有一定的大数据分析项目的实施和管理能力。
具有勤劳务实、敢于担当、严谨认真、精益求精的职业精神；关注细节、检错纠错、深入钻研、开拓创新的职业素养。
】

6、 问题:学习大数据分析与应用综合实训这门课程，最重要的学习方法是（ ）。
选项：
A:摘抄笔记
B:研究理论
C:动手实操
D:阅读文献
答案: 【
动手实操
】

第一章 单元测试

1、 问题:在环境搭建时，需要安装VMare虚拟机软件，并设置哪一张网卡的IP地址？（ ）
选项：
A:VMnet0
B:VMnet1
C:VMnet2
D:VMnet8
答案: 【
VMnet8
】

2、 问题:抗病毒药物筛选的工程实践中，用Navicat查看test数据库的medicine03表，哪一个字段表示处置？（ ）
选项：
A:treatment_status
B:disposal
C:preliminary_diagnosis
D:return_visit_result
答案: 【
disposal
】

3、 问题:用pymysql.connect方法连接MySQL，需要输入的参数有哪些？（ ）
选项：
A:主机名或IP地址
B:用户名和密码
C:数据库名称
D:字符集
答案: 【
主机名或IP地址
用户名和密码
数据库名称
字符集
】

4、 问题:pandas的apply方法与匿名函数结合，应用非常灵活，如果设置参数axis=1，表示（ ）。
选项：
A:行变换
B:列变换
C:单元格变换
D:不确定
答案: 【
行变换
】

5、 问题:Logistics回归方程中的，表示（ ）。
选项：
A:概率
B:2值化变量
C:误差项
D:常数项
答案: 【
误差项
】

6、 问题:求解Logistics回归方程中系数，使用（ ）。
选项：
A:极大似然法
B:拟牛顿法
C:估计法
D:交替最小二乘法
答案: 【
极大似然法
】

7、 问题:抗病毒药物筛选的工程实践中，列出回归方程，哪一个项表示病人的自身提抗力？（ ）
选项：
A:
B:
C:
D:
答案: 【

】

8、 问题:对于分类模型的验证，定义假正类数(False Positive , FP)，表示（ ）
选项：
A:模型判断为正，它的判断是正确的，这种情况的统计次数。即被模型预测为正的正样本的数量。
B:模型判断为正，它的判断是错误的，这种情况的统计次数。即被模型预测为正的负样本的数量。
C:模型判断为负，它的判断是错误的，这种情况的统计次数。即被模型预测为负的正样本的数量。
D:模型判断为负，它的判断是正确的，这种情况的统计次数。被模型预测为负的负样本的数量。
答案: 【
模型判断为正，它的判断是错误的，这种情况的统计次数。即被模型预测为正的负样本的数量。
】

9、 问题:对于分类模型的验证，定义精确率（precision），precision=TP/(TP+FP)，表示（ ）
选项：
A:所有预测结果有多少是正确的
B:预测成正样本的结果中，有多少真的是正样本
C:实际的正样本中，有多少被正确预测了
D:实际的负样本中，有多少被预测正确了
答案: 【
预测成正样本的结果中，有多少真的是正样本
】

10、 问题:利用matplotlib绘图，bar函数可以绘制（ ）
选项：
A:柱状图
B:饼图
C:散点图
D:折线图
答案: 【
柱状图
】

第二章 单元测试

1、 问题:MongoDB的服务器启动命令为（ ）。
选项：
A:mongo
B:mongod
C:mongof
D:mongoh
答案: 【
mongod
】

2、 问题:进入MongoDB客户端的命令是（ ）。
选项：
A:mongo
B:mongod
C:mongof
D:mongoh
答案: 【
mongo
】

3、 问题:本章在数据预处理时，主要使用的数据结构是（ ）。
选项：
A:Pandas的DataFrame
B:List
C:Numpy的array
D:Dictionary
答案: 【
Pandas的DataFrame
】

4、 问题:在sklearn中，支持向量机算法对应的函数为（ ）
选项：
A:Logistics
B:SVC
C:DecisionTreeClassifier
D:KNeighborsClassifier
答案: 【
SVC
】

5、 问题:在语句拆分时，将信息字符串切成一个个单词，并去除停用词。这里的停用词是指（ ）。
选项：
A:虚词
B:实词
C:符号
D:不使用的词
答案: 【
虚词
符号
】

6、 问题:信息集合中的NAME_AND_CONTENT字段是用文字描述的，计算机在处理文字时，要将其转换为数值化的n维向量，在这一过程中，先后用到的库有（ ）
选项：
A:jieba
B:numpy
C:gensim
D:nltk
答案: 【
jieba
numpy
gensim
nltk
】

7、 问题:在信息集合数值化的程序中，window参数，表示一个词与前后多少词存在相关性。Window越大，关联窗口越大；window越小，关联窗口越小。随着window窗口增大，分类算法性能不断提高，没有上限。（ ）
选项：
A:对
B:错
答案: 【
错
】

8、 问题:在信息集合数值化的程序中，n参数，表示每一条记录转换的数值向量的维度，n越大，计算量就越大。（ ）
选项：
A:对
B:错
答案: 【
对
】

9、 问题:在食品安全信息识别的工程实践中，因为虚警代表着食品安全问题没有被发现，会导致人民的生命健康受到威胁，比漏警引起的危害要大，所以在模型选择上，有意选择虚警率较低的模型。 （ ）
选项：
A:对
B:错
答案: 【
错
】

第三章 单元测试

1、 问题:Redis的服务器启动命令为（ ）。
选项：
A:redis
B:redis-server
C:redis-cli
D:redis-start
答案: 【
redis-server
】