大数据采集

下面哪一个步骤不是切实可行的网站数据抓取方法

• 用网页爬虫抓取网页数据

• 调用网站的API抓取数据

• 直接下载该网站已经集成好的数据包

• 用手机拍下该网站的每一个网页

下面哪种情况不属于数据清洗要解决的问题：

• 数据格式不规范

• 数据没有归一化

• 数据有重复

• 数据值缺失

在模型评估阶段，用户的评分记录会被划分为训练集和测试集，其中训练集的用途是：

• 训练用户来评分

• 训练数据分析师来分析

• 训练和设计预测模型

• 训练数据的有效性

在解决方案的部署阶段，下面哪一个不属于数据分析师的任务范围：

• 撰写报告描述数据分析结果

• 将分析成果转换为设计方案或科技出版物

• 报告上呈经理，以便他们读后做出相应决策

• 改写公司后台框架，将解决方案部署到公司框架中

下面哪一种属于业务型数据分析的工具：

• Python

• Tableau

• R

• Scala

在互联网公司中，数据分析师的日常监控指标不包括：

• 收益率

• 用户活跃量

• 每日登录时间

• 用户评分

数据探索步骤中不包括以下哪种活动：

• 符号型数据变成数字

• 识别模式和趋势

• 建立回归模型

• 建立分类模型

用夹角余弦计算用户之间的相似度时，下面哪个值代表两个用户最相似：

• 0.3

• -0.5

• -0.5

• 0.8

在电影网站烂番茄上，用户可以给不同的电影进行评价。目前上映的新电影中，由罗伯特·帕丁森主演的新电影：新蝙蝠侠目前在全球的票房第一。用户渣男给电影打出了95%的新鲜度，用户绿茶给电影打出了60%的新鲜度，而尊贵的你，给电影打出了88%的新鲜度。

请问，这些新鲜度从数据类型上看，是什么类型的数据？

• •连续型

• 离散型

• 符号型

• 文本型

在数据处理工作中，海量数据被挖掘，同时也有海量数据没有被挖掘，为了保证数据最大程度地还原真实情况，我们需要在哪一个阶段注意这方面的数据风险？