A) لفحص العلاقة بين المتغيرات. B) لتلخيص البيانات الفئوية. C) لحساب متوسطات البيانات الرقمية. D) لإنشاء تمثيلات مرئية للبيانات.
A) عدد المتغيرات في النموذج. B) نوع الاختبار الإحصائي المستخدم. C) حجم مجموعة البيانات. D) مدى توافق النموذج مع البيانات المرصودة.
A) الخطية B) تجانس التباين C) استقلالية الملاحظات D) التوزيع الطبيعي للبواقي
A) عندما يكون النموذج معقدًا للغاية ويستوعب الضوضاء الموجودة في البيانات. B) عندما يكون النموذج بسيطًا للغاية ويفتقر إلى القدرة التنبؤية. C) عندما يتطابق النموذج تمامًا مع بيانات التدريب ولكنه يفشل في التعامل مع بيانات جديدة. D) عندما يكون النموذج مناسبًا تمامًا ويتمتع بقدرة جيدة على التعميم على البيانات غير المرئية.
A) الانحدار اللوجستي B) تحليل التباين (ANOVA) C) تحليل المكونات الرئيسية (PCA) D) شجرة القرارات
A) لرسم نقاط البيانات في فضاء ثنائي الأبعاد. B) لتحقيق فهم للعلاقات السببية. C) لتجميع نقاط البيانات المتشابهة معًا بناءً على الأنماط أو الخصائص. D) لإنشاء مقياس مركب واحد من خلال دمج متغيرات متعددة.
A) التحقق المتقاطع (Cross-validation) B) تحليل المكونات الرئيسية (Principal component analysis) C) تحليل الانحدار (Regression analysis) D) اختبار مربع كاي (Chi-square test)
A) أتمتة عملية النمذجة بأكملها. B) مطابقة النموذج تمامًا مع بيانات التدريب. C) إنشاء متغيرات إدخال جديدة من البيانات الموجودة لتحسين أداء النموذج. D) إزالة جميع متغيرات الإدخال باستثناء الأكثر أهمية.
A) لتلخيص توزيع مجموعة البيانات. B) لاختبار افتراض الخطية في نماذج الانحدار. C) لتقييم أداء نموذج التصنيف. D) لتقييم مدى ملاءمة النموذج في الانحدار اللوجستي. |