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