Tanımlayıcı İstatistik
Ortalama, medyan, standart sapma, çeyrekler, dağılımlar, korelasyonlar, aykırı değerler, çarpıklık
1Aşırı değerler (aykırı değerler) içeren veriler için en uygun merkezi eğilim ölçüsü hangisidir?
Aşırı değerler (aykırı değerler) içeren veriler için en uygun merkezi eğilim ölçüsü hangisidir?
Cevap
Medyan, sıralanmış verilerin orta değerini temsil ettiği ve aşırı değerlerden etkilenmediği için aykırı değerlere karşı en sağlam merkezi eğilim ölçüsüdür. Tüm değerleri toplayan ortalamanın aksine, medyan yalnızca konumu dikkate alır. Örneğin, birkaç yüksek maaşlı yöneticinin bulunduğu bir şirketin maaşları için medyan, ortalamadan daha iyi bir tipik maaş temsili sağlar.
2Bir veri kümesinin varyansı nedir?
Bir veri kümesinin varyansı nedir?
Cevap
Varyans, verilerin ortalamaları etrafındaki dağılımını ölçer. Ortalamadan sapmaların karelerinin ortalaması olarak hesaplanır. Kare alarak her zaman pozitif değerler elde ederiz ve ortalamadan uzak değerlerin etkisini artırırız. Varyansın birimi orijinal veri biriminin karesidir, bu nedenle dağılımı orijinal birimde yorumlamak için genellikle standart sapma (varyansın karekökü) kullanılır.
3Standart sapma ve varyans arasındaki ilişki nedir?
Standart sapma ve varyans arasındaki ilişki nedir?
Cevap
Standart sapma, varyansın kareköküdür. Bu dönüşüm, dağılım ölçüsünü orijinal veri birimine geri getirerek yorumlamayı kolaylaştırır. Örneğin, veriler euro cinsindense, varyans euro kare cinsinden (yorumlanması zor) olurken standart sapma euro cinsinden olur. Bu nedenle veri dağılımını sezgisel olarak iletmek için standart sapma tercih edilir.
Bir dağılımın birinci çeyreği (Q1) neyi temsil eder?
-0.85'lik bir Pearson korelasyon katsayısı nasıl yorumlanır?
+17 mülakat soruları
Diğer Data Science & ML mülakat konuları
Python Temelleri
Python Nesne Yönelimli Programlama
Python Veri Yapıları
Git Temelleri
SQL Temelleri
NumPy Temelleri
Pandas Temelleri
Jupyter & Google Colab
SQL Joins ve Gelişmiş Sorgular
İleri Pandas
Matplotlib & Seaborn ile Görselleştirme
Plotly ile Etkileşimli Görselleştirmeler
Çıkarımsal İstatistik
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Denetimli ML: Regresyon
Denetimli ML: Sınıflandırma
Karar Ağaçları ve Topluluk Yöntemleri
Denetimsiz ML
ML Pipeline'ları & Doğrulama
Zaman Serileri & Tahminleme
Deep Learning Temelleri
TensorFlow & Keras
CNN ve görüntü sınıflandırma
RNN ve Diziler
Transformers ve Attention
NLP ve Hugging Face
GenAI ve LangChain
MLOps ve Dağıtım
Bir sonraki mülakatın için Data Science & ML'de uzmanlaş
Tüm sorulara, flashcards'a, teknik testlere, code review alıştırmalarına ve mülakat simülatörlerine eriş.
Ücretsiz başla