ML - Tema 8 - Clustering_1

¿Para cuales de las siguientes tareas los algortimos de clustering podrían ser adecuados?

• Dados los datos de ventas de de productos en un supermercado, estimar las ventas futuras de cada uno de estos productos.

• Dada una base de datos de información sobre usuarios, agrupa a los usuarios en diferentes segmentos de mercado.

• Dados los registros meteorológicos históricos, predecir si el clima de mañana será soleado o lluvioso.

• A partir de los patrones de uso del usuario en un sitio web, identificar diferentes grupos de usuarios.

Los algoritmos de clustering permiten realizar una descripción de los datos.

• Falso, unicamente pueden agrupar los datos en grupos os clusteres

• Verdadero,ya que asignan una etiqueta adicional sobre los datos (numero de cluster), describen el número de observaciones en cada clúster,....

El resultado del algoritmo de k-means está especialmente influenciado por

• La elección de tipo de medida de distancia entre observaciones (euclídea, Manhattan,..)

• Las variables (Xs) que caracterizan cada observación.

• El número de variables categóricas

• Todas son ciertas

La elección de k, el número de clusters para particionar un data-set

• es una elección personal

• depende del motivo de la clusterización de datos

• debe ser tan alto como el ordenador pueda

• tiene un máximo de 10

¿cuales de las siguientes afirmaciones son ciertas en relacion a k-means?

• Para cada inicialización del cluster, los resultados son siempre los mismos.

• Es sensible a outliers.

• Los centroids pueden no ser observaciones reales.

• Un cluster puede tener más de un centroid.

Señala las afirmación correcta.

• El algortimo de clustering es aprendizaje NO supervisado ya que no hay variable objetivo.

• El algoritmo de clustering intenta clusterizar datos diferentes en el mismo cluster

• El algortimo de clustering tiene numerosas aplicaciones tales como la predicción de variables categóricas.

• El agoritmo de clustering tiene numerosas aplicaciones tales como la predicción de variables numéricas.

El tipo de medida de distancia (o similaridad) más utilizada es ...

• Lineal

• Manhattan

• Euclídea

• Correlación Pearson

¿que información necesita el algoritmo K-means para inicializarse?

• Selección de tipo de distancia

• Número de clusters a generar

• Numero de asignaciones iniciales de centroids

• Todas son correctas

Según el gráfico anexo, el punto con la etiqueta 3 será asignado al cluster ...

• ... que tiene la etiqueta 14

• ... que tiene la etiqueta 25

• A ninguno de los cluster

• A un nuevo cluster