A) Izračunavanje povprečij številčnih podatkov.
B) Preučitev razmerja med spremenljivkami.
C) Povzetek kategoričnih podatkov.
D) ustvarjanje vizualnih predstavitev podatkov.

A) Število spremenljivk v modelu.
B) Kako dobro se model ujema z opazovanimi podatki.
C) Vrsta uporabljenega statističnega testa.
D) Velikost nabora podatkov.

A) Neodvisnost opazovanj
B) Homoskedastičnost
C) Linearnost
D) Normalna porazdelitev ostankov

A) ustvarjanje novih vhodnih spremenljivk iz obstoječih podatkov za izboljšanje delovanja modela.
B) Natančno prileganje modela podatkom za učenje.
C) Za avtomatizacijo celotnega postopka modeliranja.
D) Odstranitev vseh vhodnih spremenljivk razen najpomembnejše.

A) Izris podatkovnih točk v dvodimenzionalnem prostoru.
B) Raziskovanje vzročno-posledičnih povezav.
C) Združevanje podobnih podatkovnih točk na podlagi vzorcev ali značilnosti.
D) Ustvarjanje enega sestavljenega merila iz več spremenljivk.

A) Navzkrižno preverjanje
B) Analiza glavnih komponent
C) Test Chi-kvadrat
D) Regresijska analiza

A) Ko je model ravno pravšnji in se dobro posplošuje na nepoznane podatke.
B) Kadar je model preveč zapleten in zajame šum v podatkih.
C) Kadar je model preveč preprost in nima zadostne napovedne moči.
D) Kadar se model popolnoma prilega podatkom za usposabljanje, vendar je neuspešen pri novih podatkih.

A) Oceniti ustreznost logistične regresije.
B) Preverjanje predpostavke o linearnosti v regresijskih modelih.
C) Povzetek porazdelitve nabora podatkov.
D) Ocenjevanje uspešnosti klasifikacijskega modela.

A) ANOVA
B) Drevo odločanja
C) PCA
D) Logistična regresija