1.写出“whatever worth doing is worth doing well.”的map和reduce阶段的输入、输出，简述shuffle过程，以及说明如何确保相同单词进入一个reducer中。hadoop的伪分布中名称节点和数据节点可以在一个物理节点上（）6 Map任务的数量和reduce任务的数量由什么决定。数据分为 结构化数据、半结构化数据和（）第二名称节点解决了单节点错误的问

4、详细说明mapreduce的工作过程，特别是 如何map的、shuffle是如何进行分组及排序的、如何reduce的。3、pcam的英文全称是什么？五、分布式编程求大小为N的数组A【i】的平方和。（2）如何提高该机制的容错性和数据可靠性。1、分布式与并行计算的定义、区别与联系。二、填空（10个空，每空一分）1、apram的英文全程是什么。3、不属于“分治”的步骤是。（1）数据的存储策略是什么。

3、VC维泛化误差边界 与 Rademacher泛化误差边界的区别。1、证明二维线性平面的VC维是3（记得不是很清楚，大概是这个意思）1、二分类中，使用线性函数F=W^T X作为激活函数有哪些缺陷？2、简述高斯混合分布的思想，以及与K- means的区别。2、证明泛化误差为偏差、方差和噪声之和。1.查全率R、查准率P、度量F1。一、名词解释（3分*8）四、证明题（10分*2）五、算法题（12分*2

3、VC维泛化误差边界 与 Rademacher泛化误差边界的区别。1、证明二维线性平面的VC维是3（记得不是很清楚，大概是这个意思）1、二分类中，使用线性函数F=W^T X作为激活函数有哪些缺陷？2、简述高斯混合分布的思想，以及与K- means的区别。2、证明泛化误差为偏差、方差和噪声之和。1.查全率R、查准率P、度量F1。一、名词解释（3分*8）四、证明题（10分*2）五、算法题（12分*2