大数据采集第一章课后习题

你搭建web服务器，建了一个网站。服务器的日志文件自动记录了每一个访问的IP地址等信息。现在要对这些信息进行收集，属于

• A、

  数据采集

• B、

  数据清洗

• C、

  数据存储

• D、

  数据挖掘

正确答案： A 

2

你想做一个项目，收集某房产网站上的租房信息，这种数据采集属于

• A、

  系统日志采集

• B、

  应用程序日志采集

• C、

  互联网信息采集

• D、

  用户操作信息采集

正确答案： C 

3

某单位的数据库中，关于“性别”的信息有多重表达样式，比如“男”，“女”，“Man”，“Women”，对这些信息的规范化，属于

• A、

  数据采集

• B、

  数据预处理

• C、

  数据挖掘

• D、

  机器学习

正确答案： B 

4

将多源数据（比如不同种类的数据库，文件等），组成统一视图，属于

• A、

  数据清洗

• B、

  数据集成

• C、

  数据挖掘

• D、

  数据归约

正确答案： B

5

将某些数据改为布尔型的数据，属于

• A、

  数据采集

• B、

  数据变换

• C、

  数据归约

• D、

  数据显示

正确答案： B 

6

对于学生有100个属性可以描述，但是起主要区分作用的就没几个，想办法对100个属性进行删减，这种操作属于

• A、

  数据采集

• B、

  数据集成

• C、

  数据归约

• D、

  数据挖掘

正确答案： C 

7

啤酒和尿布的示例，是一种

• A、

  数据采集

• B、

  数据清洗

• C、

  数据挖掘

• D、

  数据归约

正确答案： C

8

以上操作属于

• A、

  数据采集

• B、

  数据变换

• C、

  数据分析

• D、

  数据展示

正确答案： B 

9

以下概念哪个可以衡量数据的离散程度

• A、

  均值

• B、

  方差或者标准差

• C、

  数据类型

正确答案： B 

二.多选题（共11题,41.8分）

1

给数据带来前所有未增长和积累的应用有

• A、

  云计算、透明计算和物联网等技术的兴起

• B、

  社会网络

• C、

  移动支付

• D、

  LBS（基于位置的服务）

正确答案： ABCD

2

大规模数据来源的应用场景有

• A、

  拍照，拍视频，发微博，发微信

• B、

  遍布各个角落的传感器收集的数据

• C、

  各行各业自身数据，如医疗行业的病例、病理报告、治愈方案、药物报告等

• D、

  根据新摩尔定律，每隔12个月就翻一番

正确答案： ABC 

3

下列说法正确的是

• A、

  大数据适合采集到关系数据库进行分析

• B、

  大数据包括了大量的非结构化数据和半结构化数据，当然，也包括结构化数据

• C、

  大数据采集可使用常规软件

• D、

  大数据采集和预处理需要新的处理模式

正确答案： BD 

4

下列说法正确的是

• A、

  大数据即大规模数据、海量数据，这些概念实质等效

• B、

  大数据这个概念包括了对数据对象的处理行为

• C、

  挖掘大数据中的价值，需要综合运用灵活的，多学科的方法

• D、

  根据大数据概念含义，大数据采集不是一般的、常规的数据采集。

正确答案： BCD

5

大数据处理过程有

• A、

  数据生产

• B、

  数据采集

• C、

  数据预处理

• D、

  数据存储

• E、

  数据分析与挖掘

• F、

  数据可视化

• G、

  基于大数据的运营

正确答案： BCDEF 

6

属于数据采集范畴的有

• A、

  系统日志采集

• B、

  互联网数据采集

• C、

  ETL采集

• D、

  NoSQL

正确答案： ABC 

7

关于下面信息，说法正确的是

10.6.251.20 - - [24/Apr/2021:17:02:17 +0800] "GET / HTTP/1.1" 200 3594 "-" "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.85 Safari/537.36"

• A、

  这是结构化数据

• B、

  这是一条日志

• C、

  此类信息在日志文件中记载，无法采集到大数据平台

• D、

  大数据采集技术可解决此类信息的采集

正确答案： BD 

8

基于分布式架构的数据采集方法和传统数据采集方法相比，具有的特点是

• A、

  更高的数据访问速度

• B、

  更强的扩展性

• C、

  更高的并发量

• D、

  更简易的采集过程

正确答案： ABC 

9

关于数据预处理，下列说法正确的是

• A、

  采集到的原始数据大多数能够直接用于后续的数据分析和挖掘

• B、

  原始数据通常存在杂乱性

• C、

  原始数据通常存在重复性

• D、

  原始数据通常存在不完整性

正确答案： BCD 

10

常用的数据预处理技术包括

• A、

  数据清理

• B、

  数据集成

• C、

  数据变换

• D、

  数据归约

正确答案： ABCD

11

阅读以下文献资料摘要，以了解大数据采集与预处理技术现状和发展趋势，并指出下列说法正确的是

• A、

  大数据采集技术和机器学习技术关系比较密切

• B、

  深度学习需要大量数据

• C、

  带标签的数据和不带标签的数据对深度学习来讲都是同等重要的

• D、

  将数据收集（Data Collection）中的数据管理和机器学习进行整合是一个趋势

正确答案： ABD 

三.判断题（共6题,24.0分）

1

自己写在代码里的日志信息，也可以作为日志进行采集。

正确答案：√

2

防火墙的日志信息，系统日志，网络日志都可以进行自动化的数据采集。

正确答案：√

3

爬虫程序用于爬取系统日志，而非互联网站上的信息。

正确答案：×

4

日志可以用于资源监控，以了解系统中各种资源的占有情况。

正确答案：√

5

系统日志可以用于审计，以监控非授权行为。

我的答案：√ 得分： 3.8分

6

日志可以用于对不安全行为造成的损失的评估。

正确答案：√