Tema 4. Modelos de predicción con clasificación

¿Cuál es el objetivo principal de los modelos de predicción por clasificación en instituciones financieras?

• Reducir el tiempo de análisis de solicitudes

• Aumentar el número de créditos otorgados

• Determinar la tasa de interés de los créditos

• Categorizar el nivel de riesgo de los clientes

¿Qué tipo de distribución se utiliza comúnmente en la regresión lineal tradicional?

• Distribución normal

• Distribución exponencial

• Distribución binomial

• Distribución uniforme

¿Qué métrica se utiliza para medir la proporción de casos verdaderos positivos sobre el total de casos reales positivos?

• Precisión

• Accuracy

• Recall

• F1 Score

¿Cuál de los siguientes modelos es un ejemplo de modelo de clasificación?

• Regresión lineal

• Regresión cuadrática

• Análisis de varianza

• Regresión logística

¿Qué técnica se recomienda para balancear un conjunto de datos desbalanceado?

• Transformación de Box-Cox

• Normalización

• Undersampling

• Reducción de dimensionalidad

¿Qué representa el término 'True Positive' (TP) en una matriz de confusión?

• Predicción negativa incorrecta

• Predicción positiva correcta

• Predicción positiva incorrecta

• Predicción negativa correcta

¿Cuál es la función de la 'función link' en los modelos lineales generalizados?

• Transformar la variable dependiente

• Ligar la combinación lineal con la distribución objetivo

• Calcular la varianza de los datos

• Ajustar los parámetros del modelo

¿Qué se busca al aplicar un modelo de clasificación?

• Reducir el número de variables

• Aumentar la complejidad del modelo

• Establecer una frontera de decisión entre categorías

• Crear un modelo de regresión

¿Qué tipo de variable se utiliza comúnmente en un modelo de clasificación?

• Variable continua

• Variable ordinal

• Variable nominal

• Variable categórica

¿Qué representa el 'F1 Score' en la evaluación de un modelo?

• La media aritmética de las predicciones

• La precisión del modelo

• La tasa de error del modelo

• Un balance entre precisión y recall