第一章
一、填空题
1.对原始数据进行有效的__清洗___是大数据分析和应用过程中的关键环节。
2.数据质量的评价指标有准确性 ___完整性_____、简洁性、___适用性_____。
3.数据质量的问题可以分为两类,分别是__基于数据源的脏数据分类___________和基于清洗方式的脏数据分类。
4.____数据清洗__________技术是提高数据质量的有效方法。
5.常见的数据质量问题主要包括缺失值、___重复值_______以及错误值等问题。
二、判断题
1.(×)若直接使用原始数据的话,不会影响数据决策的准确性和效率。
2.(√)从数据清洗方式的设计者角度来看,可以将脏数据分为“独立型脏数据”和“依赖型脏数据”两类。
3.(×)依赖型脏数据主要包括缺失数据和拼写错误数据等脏数据。
4.(×)数据清洗目的是要是将“脏数据”洗掉。
5.(√)基于数据源的脏数据分类的数据质量问题可以分为单数据源问题和多数据源问题。
三、选择题
1.C下列选项中,哪个才是评价数据质量的核心准则?
A.完整性
B.准确性
C.适用性
D.简洁性
2.ABCD下列策略中,哪个策略属于一般的数据清洗策略?
A.手工清洗
B.自动清洗
C.特定应用领域
D.与特定应用领域无关
3.C下列说法中,关于清洗重复值说法正确的是。
A.清洗重复值的基本思想是“分而合之”。
B.清洗重复值的基本思想是“排序”。
C.清洗重复值的基本思想是“排序和合并”。
D.清洗重复值的基本思想是“合并”。
第二章
一、填空题
1.__