A) لحساب متوسطات البيانات الرقمية. B) لتلخيص البيانات الفئوية. C) لفحص العلاقة بين المتغيرات. D) لإنشاء تمثيلات مرئية للبيانات.
A) مدى توافق النموذج مع البيانات المرصودة. B) نوع الاختبار الإحصائي المستخدم. C) عدد المتغيرات في النموذج. D) حجم مجموعة البيانات.
A) الخطية B) استقلالية الملاحظات C) التوزيع الطبيعي للبواقي D) تجانس التباين
A) عندما يكون النموذج مناسبًا تمامًا ويتمتع بقدرة جيدة على التعميم على البيانات غير المرئية. B) عندما يكون النموذج معقدًا للغاية ويستوعب الضوضاء الموجودة في البيانات. C) عندما يكون النموذج بسيطًا للغاية ويفتقر إلى القدرة التنبؤية. D) عندما يتطابق النموذج تمامًا مع بيانات التدريب ولكنه يفشل في التعامل مع بيانات جديدة.
A) تحليل المكونات الرئيسية (PCA) B) تحليل التباين (ANOVA) C) الانحدار اللوجستي D) شجرة القرارات
A) لإنشاء مقياس مركب واحد من خلال دمج متغيرات متعددة. B) لرسم نقاط البيانات في فضاء ثنائي الأبعاد. C) لتحقيق فهم للعلاقات السببية. D) لتجميع نقاط البيانات المتشابهة معًا بناءً على الأنماط أو الخصائص.
A) اختبار مربع كاي (Chi-square test) B) تحليل المكونات الرئيسية (Principal component analysis) C) تحليل الانحدار (Regression analysis) D) التحقق المتقاطع (Cross-validation)
A) إزالة جميع متغيرات الإدخال باستثناء الأكثر أهمية. B) مطابقة النموذج تمامًا مع بيانات التدريب. C) أتمتة عملية النمذجة بأكملها. D) إنشاء متغيرات إدخال جديدة من البيانات الموجودة لتحسين أداء النموذج.
A) لتقييم أداء نموذج التصنيف. B) لاختبار افتراض الخطية في نماذج الانحدار. C) لتلخيص توزيع مجموعة البيانات. D) لتقييم مدى ملاءمة النموذج في الانحدار اللوجستي. |