Quiz Evaluasi dan Seleksi Fitur

Apa tujuan dari evaluasi dan seleksi fitur?

• Menambah jumlah fitur

• Membuang semua fitur

• Mengurangi kompleksitas data

• Memilih subset fitur yang paling informatif

Apa yang dimaksud dengan normalisasi fitur?

• Menambah fitur baru

• Mengubah nilai fitur menjadi lebih besar

• Menyamakan skala fitur

• Menghapus fitur yang tidak relevan

Mengapa normalisasi fitur penting?

• Untuk menambah jumlah fitur

• Untuk mengurangi waktu komputasi

• Untuk menghindari dominasi fitur berskala besar

• Untuk meningkatkan ukuran data

Apa yang terjadi jika fitur tidak dinormalisasi?

• Fitur kecil akan lebih diperhatikan

• Dominasi fitur berskala besar

• Semua fitur akan memiliki kontribusi yang sama

• Model menjadi lebih cepat

Apa jenis normalisasi yang umum digunakan?

• Min-Max Scaling

• Z-score Normalization

• Kedua di atas

• Tidak ada yang benar

Apa yang diukur oleh statistik korelasi dalam evaluasi fitur?

• Kualitas data

• Hubungan antara fitur dan label kelas

• Jumlah fitur yang ada

• Variasi dalam dataset

Apa tujuan dari ANOVA?

• Membandingkan dua dataset

• Mengetahui perbedaan rata-rata antar kelompok

• Menentukan jumlah fitur

• Menghitung rata-rata

Apa yang dimaksud dengan One-Way ANOVA?

• Menguji semua faktor dalam satu waktu

• Menguji dua faktor kategorikal

• Menguji satu faktor kategorikal terhadap satu variabel numerik

• Menguji data yang diukur berulang

Apa yang dilakukan pada langkah evaluasi model?

• Menambah fitur baru

• Menghapus semua fitur

• Memastikan kinerja optimal

• Menentukan jumlah fitur

Apa yang dimaksud dengan fitur redundant?

• Fitur yang selalu penting

• Fitur yang memiliki nilai rendah

• Fitur yang berkorelasi tinggi dengan fitur lain

• Fitur yang tidak relevan