大数据知识复习：从基础到实践

该资源是一份关于大数据复习的完整版试题及答案，涵盖了大数据的基础概念、特点、技术应用以及相关的数据分析理念。 1. 大数据的起源：大数据起源于互联网行业，随着互联网的快速发展，数据量急剧增长，催生了大数据这一概念。（B） 2. 大数据的特点：大数据的最显著特征是数据规模大，其次是数据类型多样、数据处理速度快以及数据价值密度低。（B） 3. 数据使用的关键：在大数据时代，数据的再利用成为最关键的因素，通过数据分析和挖掘，可以发掘数据的潜在价值。（D） 4. 云计算分层架构：IaaS（基础设施即服务）、PaaS（平台即服务）、SaaS（软件即服务）是云计算的三层架构，不包括Yaas。（D） 5. 大数据技术起源：大数据技术最初由谷歌公司提出，包括分布式计算框架如MapReduce等。（C） 6. 数据精细化程度：数据的精细化程度指的是数据的颗粒度，颗粒度越细，数据的价值通常越高。（C） 7. 数据清洗方法：数据清洗涉及噪声数据清除、一致性检查、缺失值处理等，不包括重复数据记录处理，因为重复数据通常是需要保留的。（C） 8. 智能手环应用开发：智能手环利用传感器采集用户健康数据，体现了传感器数据采集技术的应用。（C） 9. 数据重组：数据重组是指对已有数据进行重新整合，不是重新生产和采集，它能创造新的数据价值并促进创新。（A） 10. 莫里航海路线图：这例子体现了大数据分析中更注重相关分析，通过历史数据找出模式，而不是寻求因果关系。（B） 11. 维思伯格大数据特点：维思伯格提出的四大特点包括数据规模大、类型多、处理速度快和价值密度低，所以“价值密度高”是错误的。（D） 12. 当今最突出的大数据环境：互联网是目前大数据应用最广泛和突出的领域，包括社交媒体、电子商务等。（A） 13. 数据生命周期管理实践：数据管理和维护是执行方法，包括数据的存储、备份、清理和更新等。（B） 14. 网络用户行为：用户的数字轨迹通常会被网络公司捕获并用于分析，这可能导致用户隐私难以得到充分保护。（C） 15. 聚类挖掘技术：聚类挖掘是一种无监督学习方法，不预设分类，但错误的说法是它要求同类数据数量相同，实际上同类数据数量可以不同。（B） 这份复习题涵盖了大数据的基础知识，从起源、特点到应用和分析理念，对于理解大数据的概念和技术发展具有很好的指导意义。同时，它也提醒我们在大数据时代，数据的收集、清洗、管理和分析的重要性，以及隐私保护等问题。