A) Kategorikus adatok összegzése. B) Az adatok vizuális ábrázolása. C) Numerikus adatok átlagainak kiszámítása. D) A változók közötti kapcsolat vizsgálata.
A) Az adatállomány mérete. B) Az alkalmazott statisztikai teszt típusa. C) Mennyire jól illeszkedik a modell a megfigyelt adatokhoz. D) A modellben szereplő változók száma.
A) Linearitás B) A megfigyelések függetlensége C) A maradékok normális eloszlása D) Homoszkedaszticitás
A) Logisztikus regresszió B) ANOVA C) Döntési fa D) PCA
A) A regressziós modellek linearitási feltételezésének tesztelése. B) Egy adathalmaz eloszlásának összefoglalása. C) A logisztikus regresszió illeszkedésének értékelése. D) Az osztályozási modell teljesítményének értékelése.
A) Amikor egy modell túl egyszerű és nem rendelkezik előrejelző képességgel. B) Ha egy modell túl összetett, és az adatokban lévő zajt rögzíti. C) Amikor egy modell éppen megfelelő, és jól általánosítja a nem látott adatokra. D) Amikor egy modell tökéletesen illeszkedik a képzési adatokhoz, de az új adatokon nem működik.
A) Az összes bemeneti változó eltávolítása a legfontosabb kivételével. B) A teljes modellezési folyamat automatizálása. C) Új bemeneti változók létrehozása meglévő adatokból a modell teljesítményének javítása érdekében. D) A modell pontos illesztése a képzési adatokhoz.
A) Chi-négyzet teszt B) Főkomponens-elemzés C) Keresztellenőrzés D) Regressziós elemzés
A) Egyetlen összetett mérőszám létrehozása több változóból. B) Ok-okozati összefüggések vizsgálata. C) Adatpontok ábrázolása kétdimenziós térben. D) A hasonló adatpontok csoportosítása minták vagy jellemzők alapján. |