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