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