A) Povzetek kategoričnih podatkov. B) ustvarjanje vizualnih predstavitev podatkov. C) Preučitev razmerja med spremenljivkami. D) Izračunavanje povprečij številčnih podatkov.
A) Velikost nabora podatkov. B) Število spremenljivk v modelu. C) Kako dobro se model ujema z opazovanimi podatki. D) Vrsta uporabljenega statističnega testa.
A) Homoskedastičnost B) Normalna porazdelitev ostankov C) Neodvisnost opazovanj D) Linearnost
A) Kadar je model preveč zapleten in zajame šum v podatkih. B) Kadar je model preveč preprost in nima zadostne napovedne moči. C) Kadar se model popolnoma prilega podatkom za usposabljanje, vendar je neuspešen pri novih podatkih. D) Ko je model ravno pravšnji in se dobro posplošuje na nepoznane podatke.
A) ANOVA B) PCA C) Drevo odločanja D) Logistična regresija
A) Natančno prileganje modela podatkom za učenje. B) Za avtomatizacijo celotnega postopka modeliranja. C) ustvarjanje novih vhodnih spremenljivk iz obstoječih podatkov za izboljšanje delovanja modela. D) Odstranitev vseh vhodnih spremenljivk razen najpomembnejše.
A) Preverjanje predpostavke o linearnosti v regresijskih modelih. B) Povzetek porazdelitve nabora podatkov. C) Oceniti ustreznost logistične regresije. D) Ocenjevanje uspešnosti klasifikacijskega modela.
A) Regresijska analiza B) Navzkrižno preverjanje C) Test Chi-kvadrat D) Analiza glavnih komponent
A) Združevanje podobnih podatkovnih točk na podlagi vzorcev ali značilnosti. B) Raziskovanje vzročno-posledičnih povezav. C) Izris podatkovnih točk v dvodimenzionalnem prostoru. D) Ustvarjanje enega sestavljenega merila iz več spremenljivk. |