Comprensión del Negocio

¿Cuál es el objetivo principal de la fase de Entendimiento del Negocio en CRISP-DM?

• Preparar los datos para el modelado.

• Implementar el modelo en producción.

• Identificar los objetivos y requisitos del negocio.

• Construir un modelo predictivo.

En la fase de Entendimiento del Negocio, una tarea importante es identificar…

• El tipo de algoritmo a utilizar.

• Las fuentes de datos disponibles.

• Los objetivos del proyecto desde la perspectiva del negocio.

• El presupuesto para el desarrollo del modelo.

¿Qué documento clave se genera en la fase de Entendimiento del Negocio?

• Plan de minería de datos.

• Informe de evaluación del modelo.

• Resumen de los datos.

• Esquema de preprocesamiento de datos.

¿Cuál de las siguientes preguntas pertenece al Entendimiento del Negocio?

• ¿Qué variables tienen valores nulos?

• ¿Qué métricas de éxito son relevantes para el negocio?

• ¿Qué técnica de validación cruzada utilizaremos?

• ¿Qué proporción de datos está disponible para el entrenamiento?

¿Qué significa "métrica de éxito" en el contexto de Entendimiento del Negocio?

• El rendimiento del modelo predictivo.

• Los indicadores clave que reflejan el cumplimiento de los objetivos del negocio.

• La cantidad de datos limpios y disponibles.

• El algoritmo más eficiente identificado.

¿Cuál es el objetivo principal de la fase de Comprensión de los Datos en CRISP-DM?

• Implementar un modelo predictivo.

• Entender las características principales de los datos.

• Limpiar y preparar los datos para el modelado.

• Probar diferentes algoritmos.

¿Cuál de las siguientes actividades pertenece a la fase de Comprensión de los Datos?

• Construcción de modelos.

• Identificación de outliers y patrones.

• Implementación del modelo en producción.

• Creación de una base de datos específica.

En la fase de Comprensión de los Datos, el análisis exploratorio busca…

• Optimizar el modelo final.

• Entender mejor la distribución, relaciones y calidad de los datos.

• Seleccionar las herramientas de software adecuadas.

• Establecer los costos asociados al proyecto.

¿Qué técnica se utiliza comúnmente para comprender las relaciones entre variables en un conjunto de datos?

• Diagramas de dispersión.

• Implementación de modelos de regresión.

• Validación cruzada.

• Diagramas de flujo.

¿Qué herramienta es útil para identificar valores atípicos (outliers) durante la comprensión de los datos?

• Análisis de componentes principales (PCA).

• Gráficos de caja (boxplots).

• Árboles de decisión.

• Diagramas de flujo.