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