Clasificación y Regresión - Clase 1

1. ¿Cuál es la principal diferencia entre el aprendizaje supervisado y el no supervisado?

• El aprendizaje supervisado utiliza datos etiquetados para entrenar, mientras que el no supervisado trabaja con datos no etiquetados.

• El aprendizaje supervisado se usa para regresión y el no supervisado para clasificación.

• El aprendizaje no supervisado es más preciso porque no depende de etiquetas previas.

Answer explanation

Esta es la distinción fundamental. El aprendizaje supervisado requiere un 'maestro' (las etiquetas) para aprender, mientras que el no supervisado debe encontrar la estructura por sí mismo.

2. Si querés predecir el precio de una casa basándote en su tamaño, ¿qué tipo de problema de machine learning estás resolviendo?

• Un problema de clasificación.

• Un problema de regresión.

• Un problema de clustering.

Answer explanation

Estás prediciendo un valor numérico continuo (el precio), que es el objetivo de los problemas de regresión.

3. Dentro del ciclo de vida de un proyecto de Machine Learning, ¿en qué etapa se realiza la limpieza y el formateo de los datos?

• • Análisis exploratorio de datos (EDA).

• Entrenamiento del modelo.

• Preprocesamiento de datos (Data Wrangling).

Answer explanation

Esta etapa se centra específicamente en limpiar, manipular y convertir los datos crudos a un formato útil y de calidad para el análisis.

4. ¿Para qué se utiliza principalmente la biblioteca Pandas en un proyecto de Machine Learning?

• Para construir y entrenar redes neuronales complejas.

• Para la manipulación y análisis eficiente de datos, especialmente en formato de tablas.

• Para visualizar los resultados y generar reportes interactivos.

Answer explanation

Pandas es la herramienta fundamental para trabajar con datos estructurados (DataFrames), permitiendo limpiarlos, transformarlos y analizarlos fácilmente.

5. Un sistema que agrupa a los clientes de una tienda en diferentes segmentos (ej. 'compradores frecuentes', 'cazadores de ofertas', 'nuevos clientes') sin saber de antemano a qué grupo pertenece cada uno, es un ejemplo de:

• Clustering

• Clasificación

• Regresión

Answer explanation

El objetivo es asignar individuos a grupos homogéneos sin tener etiquetas previas, lo cual es la definición de clustering, una técnica de aprendizaje no supervisado.