TECNICAS DE CLUSTERING

¿Cuál de las siguientes técnicas se utiliza comúnmente para agrupar datos en clústeres?

• Árboles de Decisión

• Regresión Logística

• K-Medias

• Máquinas de Soporte Vectorial

¿Cuál es el objetivo del aprendizaje supervisado?

• Descubrir patrones en datos no etiquetados

• Predecir salidas a partir de datos etiquetados

• Agrupar datos en clústeres

• Optimizar decisiones secuenciales

¿Qué es el aprendizaje no supervisado?

• Un modelo que utiliza datos etiquetados

• Un enfoque que descubre patrones en datos no etiquetados

• Un método para optimizar decisiones

• Una técnica de regresión

¿Cuál es una de las fases del ciclo CRISP-DM?

• Despliegue de datos

• Entrenamiento del modelo

• Comprensión del negocio

• Análisis de regresiones

¿Qué se busca minimizar en el algoritmo K-Means?

• La distancia entre los centroides

• La distancia interna dentro de cada clúster

• El número de iteraciones

• El tiempo de procesamiento

¿Cuál es un ejemplo de aplicación del aprendizaje supervisado?

• Detección de spam

• Segmentación de clientes

• Análisis exploratorio de datos

• Agrupamiento de datos

¿Qué se hace en la fase de Preparación de Datos?

• Recolección de datos

• Evaluación de resultados

• Entrenamiento del modelo

• Limpieza, integración y transformación para modelado

¿Qué se busca lograr con el aprendizaje por refuerzo?

• Predecir valores numéricos

• Agrupar datos en clústeres

• Maximizar una señal de recompensa

• Clasificar datos etiquetados

¿Qué es un modelo de machine learning?

• Un algoritmo que predice resultados

• Un método de análisis univariado

• Un conjunto de datos sin procesar

• Una técnica de visualización

¿Qué es un conjunto de datos de entrenamiento?

• Datos que no tienen etiquetas

• Datos utilizados para ajustar el modelo

• Datos utilizados para evaluar el modelo

• Datos que se utilizan para la visualización