A) Değişkenler arasındaki ilişkiyi incelemek. B) Verilerin görsel temsillerini oluşturmak. C) Kategorik verileri özetlemek için. D) Sayısal verilerin ortalamalarını hesaplamak için.
A) Modelin gözlemlenen verilere ne kadar iyi uyduğu. B) Kullanılan istatistiksel test türü. C) Modeldeki değişken sayısı. D) Veri kümesinin boyutu.
A) Homoscedasticity B) Gözlemlerin bağımsızlığı C) Artıkların normal dağılımı D) Doğrusallık
A) Bir model doğru olduğunda ve görülmemiş verilere iyi genelleme yaptığında. B) Bir model çok karmaşık olduğunda ve verilerdeki gürültüyü yakaladığında. C) Bir modelin eğitim verilerine mükemmel şekilde uyması ancak yeni verilerde başarısız olması. D) Bir model çok basit olduğunda ve tahmin gücünden yoksun olduğunda.
A) Bir sınıflandırma modelinin performansını değerlendirmek için. B) Bir veri kümesinin dağılımını özetlemek için. C) Regresyon modellerinde doğrusallık varsayımını test etmek. D) Lojistik regresyonda uyum iyiliğini değerlendirmek için.
A) Karar ağacı B) Lojistik regresyon C) PCA D) ANOVA
A) Modeli eğitim verilerine tam olarak uydurmak için. B) En önemli değişken hariç tüm girdi değişkenlerini kaldırmak için. C) Model performansını iyileştirmek için mevcut verilerden yeni girdi değişkenleri oluşturmak. D) Tüm modelleme sürecini otomatikleştirmek için.
A) Regresyon analizi B) Çapraz Doğrulama C) Temel bileşen analizi D) Ki-kare testi
A) Benzer veri noktalarını kalıplara veya özelliklere göre bir arada gruplamak. B) Birden fazla değişkenden tek bir bileşik hesaplama oluşturmak için. C) Veri noktalarını iki boyutlu bir uzayda çizmek için. D) Sebep-sonuç ilişkilerini araştırmak. |