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