A) ustvarjanje vizualnih predstavitev podatkov.
B) Preučitev razmerja med spremenljivkami.
C) Povzetek kategoričnih podatkov.
D) Izračunavanje povprečij številčnih podatkov.

A) Velikost nabora podatkov.
B) Vrsta uporabljenega statističnega testa.
C) Število spremenljivk v modelu.
D) Kako dobro se model ujema z opazovanimi podatki.

A) Homoskedastičnost
B) Neodvisnost opazovanj
C) Normalna porazdelitev ostankov
D) Linearnost

A) Za avtomatizacijo celotnega postopka modeliranja.
B) Odstranitev vseh vhodnih spremenljivk razen najpomembnejše.
C) Natančno prileganje modela podatkom za učenje.
D) ustvarjanje novih vhodnih spremenljivk iz obstoječih podatkov za izboljšanje delovanja modela.

A) Preverjanje predpostavke o linearnosti v regresijskih modelih.
B) Ocenjevanje uspešnosti klasifikacijskega modela.
C) Povzetek porazdelitve nabora podatkov.
D) Oceniti ustreznost logistične regresije.

A) Kadar se model popolnoma prilega podatkom za usposabljanje, vendar je neuspešen pri novih podatkih.
B) Kadar je model preveč zapleten in zajame šum v podatkih.
C) Ko je model ravno pravšnji in se dobro posplošuje na nepoznane podatke.
D) Kadar je model preveč preprost in nima zadostne napovedne moči.

A) Združevanje podobnih podatkovnih točk na podlagi vzorcev ali značilnosti.
B) Izris podatkovnih točk v dvodimenzionalnem prostoru.
C) Ustvarjanje enega sestavljenega merila iz več spremenljivk.
D) Raziskovanje vzročno-posledičnih povezav.

A) Navzkrižno preverjanje
B) Analiza glavnih komponent
C) Test Chi-kvadrat
D) Regresijska analiza

A) Drevo odločanja
B) Logistična regresija
C) ANOVA
D) PCA