Preprocesado

¿Qué es el Proceso de Extracción del Conocimiento?

• Es el proceso de adquirir datos a través de dispositivos físicos y almacenarlos en una base de datos sin análisis posterior.

• Es un conjunto de técnicas y métodos para identificar patrones, relaciones y conocimientos útiles a partir de grandes volúmenes de datos.

• Es un método para diseñar algoritmos que generan datos a partir de información incompleta o aleatoria.

• Es el análisis de datos mediante herramientas manuales para crear reportes estáticos de información consolidada.

¿Cuál de las siguientes opciones describe mejor la limpieza de datos en el análisis de datos?

• Es el proceso de eliminar todos los datos duplicados de un conjunto de datos para reducir su tamaño.

• Es la etapa donde se transforman datos en información visual mediante gráficos y tablas.

• Es el proceso de detectar y corregir errores, inconsistencias o datos incompletos en un conjunto de datos para garantizar su calidad y fiabilidad.

• Es la etapa en la que se almacenan datos crudos sin realizar ningún tipo de modificación o análisis.

¿Qué entendemos por discretización de variables?

• El proceso de convertir variables continuas en categorías o intervalos definidos para facilitar su análisis.

• Un método para transformar variables categóricas en valores numéricos mediante codificación.

• El análisis de variables continuas mediante métodos estadísticos sin modificar su formato original.

• El proceso de creación de nuevas variables a partir de otras ya existentes.

¿Por qué es útil normalizar variables?

• Para eliminar valores atípicos y hacer que las variables sean uniformes en distribución.

• Para convertir variables categóricas en datos continuos adecuados para el análisis numérico.

• Para reducir el número de variables en un conjunto de datos mediante técnicas de agregación.

• Para escalar las variables a un rango similar, mejorando la comparabilidad y el rendimiento de algoritmos sensibles a magnitudes.

Si nos encontramos un missing value en nuestro DataSet, ¿qué debemos hacer?

• Imputarlo siempre a algún valor.

• Dependerá del problema y del análisis que estemos haciendo.

• Eliminar el registro.

• Ignorarlo.

¿Qué es un outlier?

• Es un valor que se desvía significativamente de otros valores en un conjunto de datos, pudiendo indicar anomalías o información única.

• Es cualquier valor que se encuentra fuera del rango definido por los percentiles del 25% y 75%.

• Es un dato faltante que debe eliminarse para mejorar la precisión del análisis.

• En una variable categórica, son los valores de la categoría minoritaria.

¿Cómo podemos detectar los outliers?

• Diagramas Box-Plot

• Digramas Q-Q

• Todas son correctas

• La regla de 3 desviaciones típicas

¿Cómo detectar correlación entre dos variables?

• Utilizando tablas de frecuencia para identificar patrones comunes entre las variables.

• Aplicando el test de Chi-cuadrado únicamente en variables numéricas.

• Calculando el coeficiente de correlación de Pearson para variables continuas y linealmente relacionadas.

• Graficando un histograma conjunto de ambas variables para medir su similitud.