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