Unidad 5: Arboles de clasificación y predicción

¿Qué es un árbol de decisión en el aprendizaje automático?

• a) Un algoritmo de clasificación

• b) Una técnica de regresión

• c) Un tipo de red neuronal

• d) Un enfoque de agrupamiento

¿Cuál es el objetivo principal de un árbol de decisión?

• a) Maximizar la precisión del modelo

• b) Minimizar el tiempo de entrenamiento

• c) Dividir los datos en subconjuntos puros

• d) Representar relaciones de decisión en forma de árbol

¿Qué es un nodo hoja en un árbol de decisión?

• a) Un nodo interno con hijos

• b) Un nodo que contiene valores numéricos

• c) Un nodo final que representa una decisión

• d) Un nodo que se encuentra en la raíz del árbol

¿Cómo se elige la característica de división en un árbol de decisión?

• a) Al azar

• b) Mediante el índice Gini

• c) Basado en el número de ejemplos

• d) Según el orden alfabético

¿Cuál es el propósito de la poda en los árboles de decisión?

• a) Aumentar la profundidad del árbol

• b) Reducir el sobreajuste (overfitting)

• c) Aumentar la cantidad de nodos hoja

• d) Incrementar la complejidad del modelo

¿Qué medida se utiliza comúnmente para evaluar la importancia de las características en un árbol de decisión?

• a) Entropía

• b) Ganancia de información

• c) Precisión

• d) Error cuadrático medio

¿Cuál es el propósito de la entropía en un árbol de decisión?

• a) Medir la impureza/desorden/ruido de un conjunto de datos

• b) Calcular la profundidad máxima del árbol

• c) Controlar el tamaño del árbol

• d) Establecer el umbral de división

¿Qué es el proceso de clasificación en un árbol de decisión?

• a) Determinar la región de decisión

• b) Dividir el conjunto de datos en entrenamiento y prueba

• c) Encontrar la característica de división óptima

• d) Asignar una etiqueta de clase a una instancia de datos

¿Cuál es uno de los desafíos principales de los árboles de decisión?

• a) No pueden manejar problemas de clasificación

• b) Son sensibles a pequeñas variaciones en los datos de entrada

• c) Tienen un rendimiento lento en comparación con otros algoritmos

• d) No requieren ajuste de hiperparámetros

¿Qué es la profundidad de un árbol de decisión?

• a) El número de nodos hoja en el árbol

• b) La cantidad de características utilizadas

• c) La longitud total de las ramas del árbol

• d) El número máximo de divisiones desde la raíz hasta una hoja