Search Header Logo

Data Mining

Authored by Dolunay GÜMÜŞBAŞ

Other

University

Used 2+ times

Data Mining
AI

AI Actions

Add similar questions

Adjust reading levels

Convert to real-world scenario

Translate activity

More...

    Content View

    Student View

10 questions

Show all answers

1.

FILL IN THE BLANK QUESTION

1 min • 10 pts

Değişkenlere ait koşullu olasılık dağılımlarını ortaya

koymak ve değişkenlere ait alt kümeler arasındaki

koşullu bağımsızlıkları tanımlamak üzere "_____ ______"

kullanılır

2.

MULTIPLE CHOICE QUESTION

1 min • 10 pts

Aşağıdaki ifadelerden hangisi gözetimli öğrenme ve gözetimsiz öğrenme türleri ile ilgili doğru bir açıklamadır?

Gözetimli öğrenme, etiketlenmemiş verilerle çalışarak örüntüleri keşfeder ve kümeleme algoritmalarını kullanır.

Regresyon, gözetimsiz öğrenme türüne ait bir algoritmadır ve veri setini homojen gruplara ayırır.

Sınıflandırma, gözetimli öğrenmeye ait bir türdür ve her bir gözlemi bir kategoriye atar.

Boyut azaltımı, gözetimli öğrenme yöntemleri kullanılarak verilerdeki özellik sayısını azaltır.

3.

MULTIPLE CHOICE QUESTION

30 sec • 10 pts

Aşırı öğrenme (overfitting), bir modelin eğitim verisinde iyi performans göstermesi ancak görülmemiş verilerde kötü performans göstermesi durumudur.

Doğru

Yanlış

4.

FILL IN THE BLANK QUESTION

1 min • 10 pts

Media Image

Grafiğe göre tercih edilmesi gereken yöntem hangisidir?

5.

MULTIPLE CHOICE QUESTION

45 sec • 10 pts

Media Image

Birliktelik Analizinin temel amacı nedir?

Sayısal sonuçları tahmin etmek

Veri setindeki sık görülen desenleri belirlemek

Veri boyutunu azaltmak

Verileri sınıflandırmak

6.

FILL IN THE BLANK QUESTION

1 min • 10 pts

Veri madenciliğinde, sınıflandırma algoritmaları _e____m__ _ğ___m_ türündendir.

7.

MULTIPLE CHOICE QUESTION

1 min • 10 pts

Makine öğrenimi modellerinde nitelik seçimi yapılmasının gerekçesi aşağıdaki durumlardan hangisinde doğru bir şekilde açıklanmıştır?

Nitelik seçimi, modelin tüm veri setini işleyerek daha karmaşık yapılar öğrenmesini sağlar ve bu sayede overfitting sorununu ortadan kaldırır.

Nitelik seçimi, modelin yalnızca yüksek korelasyona sahip bağımsız değişkenleri kullanmasını sağlar, böylece tüm diğer nitelikler göz ardı edilir.

Nitelik seçimi, gereksiz veya alakasız nitelikleri çıkartarak modelin genelleme yeteneğini artırır, hesaplama maliyetini düşürür ve yorumlanabilirliğini geliştirir.

Nitelik seçimi, boyutsal verilerin model performansını artırmak yerine sadece hesaplama süresini azaltmak amacıyla uygulanır.

Access all questions and much more by creating a free account

Create resources

Host any resource

Get auto-graded reports

Google

Continue with Google

Email

Continue with Email

Classlink

Continue with Classlink

Clever

Continue with Clever

or continue with

Microsoft

Microsoft

Apple

Apple

Others

Others

Already have an account?