Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword
Like this
7Activity
0 of .
Results for:
No results containing your search query
P. 1
Tehnici Data-mining

Tehnici Data-mining

Ratings:

4.67

(3)
|Views: 372 |Likes:
Published by marius_eduard

More info:

Published by: marius_eduard on Feb 15, 2009
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF or read online from Scribd
See more
See less

05/10/2014

 
 
True/False
 
 Indicate whether the sentence or statement is true or false.
  _ 
F
 __ 1.
Tehnicile traditionale de analiza datelor sunt orientate in principal pe extragerea datelor pe baza unor caracteristici cantitative si statistice si astfel au un grad mic de limitare.
 
 _ 
T
 __ 2.
Prin data mining se doreste să se extragă din datele existente acele componente inplicite,necunoscute anterior si care sa fie potential utile.
 
 _ 
F
 __ 3. Analiza statistica poate da o caracterizare a dependentelor abstracte si conceptuale pentru un nivel sau o procedura a datelor.
 
 _ 
F
 __ 4. Sectionarea numerica pote crea o clasificare a entitatilor si sa specifice o similaritate numerica intre entitatireunite in acelasi cluster sau in clustere diferite.
 
 _ 
T
 __ 5. EsenŃa cercetarilor din invatarea automata este de a dezvolta metode de calcul pentru a ajunge la cunostiinte pornind de la fapte si de la cunostiinte anterioare.
 
 _ 
F
 __ 6. Extragerea regularitatilor datelor nu se poate face direct sub forma de cunostiinte care sa caracterizeze relatiiledintre variabilele care interesează
 
 _ 
F
 __ 7. Extragerea regularitatilor datelor nu se poate face indirect, ca functii care sa permita predictia, clasificarea saureprezentarea regularitatilor din distributia datelor.
 
 _ 
F
 __ 8. Metadatele sunt reprezentarea oricarui fapt, si date despre datele insele, cum ar fi constructia logică a bazelor de date sau definitiile dictionarului de date.
 
 _ 
T
 __ 9. InformaŃiile pot fi transformate în cunoştiinŃe asupra tiparelor istorice şi a tendinŃelor viitoare.
 
 _ 
T
 __ 10. Data mining este descoperirea eficientă a informaŃiilor evaluabile şi neevidente dintr-o colecŃie mare de date.
 
 _ 
T
 __ 11. Rezolvarea unui model de regresie liniara conduce la solutia
11112211
ˆ
n n ni i i ii i in ni ii i
n X Y X n X
 β 
= = == =
=
 
 _ 
F
 __ 12. Pentru un model de regresie liniara valoarea
21
nii
=
poarta numele de suma pătratelor total corectată a lui
i
 
 _ 
T
 __ 13. In modelul de regresie liniara in locul formulei
( )
221
ˆ
nii
S model
=
=
se foloseste si
( )
( )
222211
ˆ
nii
S model nY X
 β 
=
= +
 
 _ 
F
 __ 14. In modelul de regresie liniara coeficientul de determinare este dat prin formula
( )
2212
nii
 y R
 
S reg
=
=
 
 
 _ 
T
 __ 15. Pentru un model unual de regresie avem
( )
11
,0
n ni j i j ji j i
ab Cov Y Y 
==
=
 
 _ 
F
 __ 16. Fie
1
ni ii
U a
=
=
.
Daca toate variabilele aleatoare
i
are dispersia comună şi egală cu
2
σ 
, atunci
( )
2
Var U 
σ 
=
.
 
 _ 
T
 __ 17. Fie
1
ni ii
U a
=
=
şi
1
ni ii
V b
=
=
. Daca toate variabilele aleatoare
i
are dispersia comună şi egală cu
2
σ 
,atunci
( )
21
,
ni ii
Cov U V ab
σ 
=
=
.
 
 _ 
F
 __ 18. Un model de regresie multipla care in scrierea matriciala are forma
Y
 β ε 
= +
si in care matricea
 x
arerangul egal cu numarul parametrilor se numeste midel cu rang incomplete
 
 _ 
T
 __ 19. In regresia multipla, presupunand ca fiacare eroare este o variabila aleatoare
( )
2
~0,
i
ε σ 
, atunci funcŃiadensitate de probabilitate reunită pentru vectorul
ε 
este dată prin relaŃia
( )
212212
2,,...,
ninin
 f e
ε σ ε 
π ε ε ε σ 
=
=
.
 
 _ 
T
 __ 20. In regresia multipla, presupunand ca fiacare eroare este o variabila aleatoare
( )
2
~0,
i
ε σ 
, atunci funcŃiadensitate de probabilitate reunită pentru
este
( )
( )
2...01112212
2,,...,
n y X  pi ipiniY n
 f y y y e
 β β β σ 
π σ 
+ + +=
=
.
 
 _ 
F
 __ 21. In regresia multipla, presupunand ca fiacare eroare este o variabila aleatoare
( )
2
~0,
i
ε σ 
, atunci
( )
2
~,
Y N
 β σ 
 
 _ 
T
 __ 22. In regresia multipla, presupunand ca fiacare eroare este o variabila aleatoare
( )
2
~0,
i
ε σ 
, atunci
( )
( )
12
ˆ~,
 N X
 β β σ 
 
 _ 
T
 __ 23. In regresia multipla, presupunand ca fiacare eroare este o variabila aleatoare
( )
2
~0,
i
ε σ 
, atunci
( )
2
ˆ~,
Y N X
 β σ 
.
 
 _ 
F
 __ 24. In regresia multipla, presupunand ca fiacare eroare este o variabila aleatoare
( )
2
~0,
i
ε σ 
, atunci
( )
( )
2
~,
e N I
 β σ 
.
 
 
 _ 
T
 __ 25.
O modelare a datelor prin care ele sunt puse într-o perspectivă istorică pe baze matematice, înspecial statistice este o impartire in clustere.
 
 _ 
T
 __ 26. Cea mai simplă submulŃime dintr-un spaŃiu de atribute este un produs cartezian direct al subdomeniilor, adică
1
ii
C C A
=
=
,
i i
C A
, numit celula
 
 _ 
T
 __ 27. Scopul împărŃirii în clustere este de a asocia punctele de date la un sistem finit format din
submulŃimi caresa formeze o partitie.
 
 _ 
T
 __ 28. În împărŃirea în clustere prin ierarhizare se consideră adesea că reprezentarea normală a datelor sub forma punct-atribut nu este primordială şi poate fi înlocuită cu succes de o matrice de dimensiune
n n
×
(matrice pătrată de ordin
n
) care indică distanŃele (lipsa de similaritate) sau similaritatea dintre puncte, numită matricede conectivitate.
 
 _ 
F
 __ 29. Graful ponderat asociat unei metrici de conectivitate are un arc
( )
,
ij
daca si numai daca
0
ij
a
=
 
 _ 
T
 __ 30.
În împărŃirea în clustere bazată pe învăŃarea conceptuală fiecare cluster este considerat ca un modelce poate fi descris în mod intrinsec şi nu ca o colecŃie de puncte associate
 
 _ 
F
 __ 31. La impartirea in clustere bazata pe invatarea conceptuala
funcŃia de utilitate a categoriei penalizeazaclusterele
 j
la creşterea predictibilităŃii valorii
ip
u
de atribut al categoriei.
 
 _ 
T
 __ 32.
La impartirea in clustere probabilistice verosimilitatea globală a unor date urmărite este probabilitatea lor de a fi construite într-un model mixt dat, deci
( )
( )
11
n j i j ji
 L X C P x
τ 
==
=
.
 
Multiple Choice
 
 Identify the letter of the choice that best completes the statement or answers the question.
  ____ 33. Fie un model de regresie liniara pentru care datele sunt date de tabelul
i
 X 
 11 13 12 10 14
i
 4 7 3 5 6Atunci ecuatia de regresie estea.
( )
5ˆ2122
i i
Y
= +
  b.
( )
1ˆ5122
i i
Y
= +
 c.
( )
21ˆ1252
i i
Y
= +
  ____ 34. Fie un model de regresie liniara pentru care datele sunt date de tabelul
i
 X 
 11 13 12 10 14

Activity (7)

You've already reviewed this. Edit your review.
1 thousand reads
1 hundred reads
Cristian Ganea liked this
Chiriac Silvia liked this
Rotaru Paul liked this

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->