A) 总结分类数据。
B) 创建可视化数据表示。
C) 计算数值数据的平均值。
D) 研究变量之间的关系。

A) 使用的统计检验类型。
B) 数据集的大小。
C) 模型中变量的数量。
D) 模型与观测数据的拟合程度。

A) 线性
B) 同方差
C) 残差的正态分布
D) 观察的独立性

A) 从多个变量中创建一个综合测量值。
B) 在二维空间中绘制数据点。
C) 调查因果关系。
D) 根据模式或特征将相似的数据点分组。

A) 回归分析
B) 卡方检验
C) 主成分分析
D) 交叉验证

A) 当模型完全符合训练数据，却在新数据上失效。
B) 当模型过于复杂并捕捉到数据中的噪音时。
C) 模型过于简单，缺乏预测能力。
D) 当模型恰到好处，并能很好地概括未见过的数据时。

A) 决策树
B) PCA
C) 方差分析
D) 逻辑回归

A) 检验回归模型的线性假设。
B) 评估分类模型的性能。
C) 总结数据集的分布。
D) 评估逻辑回归的拟合度。

A) 根据训练数据精确拟合模型。
B) 从现有数据中创建新的输入变量，以提高模型性能。
C) 实现整个建模过程的自动化。
D) 删除除最重要变量外的所有输入变量。