WorksheetsHO 34 - algoritmos de clasificación y agrupamiento
Total questions: 20
Worksheet time: 3mins
¿Qué tipo de aprendizaje utiliza la clasificación?
No supervisado
Supervisado
Reforzado
Automático
¿Qué tipo de aprendizaje utiliza el agrupamiento?
Supervisado
No supervisado
Semi-supervisado
Reforzado
¿Qué requieren los algoritmos de clasificación para entrenar?
Datos sin etiquetas
Datos etiquetados
Datos incompletos
Datos faltantes
En un algoritmo de agrupamiento, los datos de entrada son:
Siempre numéricos
Etiquetados
No etiquetados
Normalizados
Un modelo que clasifica correos como spam o no spam corresponde a:
Agrupamiento
Clasificación
Regresión
Series temporales
Segmentar clientes en grupos según su comportamiento de compra corresponde a:
Clasificación
Agrupamiento
Predicción
Regresión
La salida de un modelo de clasificación es:
Un número aleatorio
Una categoría predefinida
Un clúster emergente
Una tabla
La salida de un modelo de agrupamiento es:
Una categoría fija
Un grupo o clúster
Una predicción probabilística
Una etiqueta
¿Cuál de estos algoritmos es de clasificación?
K-Means
DBSCAN
Árboles de decisión
Clustering jerárquico
¿Cuál de estos algoritmos corresponde a agrupamiento?
Regresión logística
Redes neuronales
K-Means
SVM
Un sistema de diagnóstico médico que predice si un paciente tiene diabetes es:
Agrupamiento
Clasificación
Regresión lineal
Reforzamiento
Un sistema que agrupa imágenes de flores similares sin etiquetas previas corresponde a:
Agrupamiento
Clasificación
Regresión
Series temporales
En clasificación, el modelo aprende a partir de:
Patrones ocultos
Datos sin categorías
Datos etiquetados
Datos incompletos
En agrupamiento, el objetivo principal es:
Predecir la clase de un dato nuevo
Encontrar agrupaciones naturales
Minimizar el error cuadrático medio
Detectar outliers
Un ejemplo de aplicación de clasificación es:
Análisis de redes sociales
Correo spam/no spam
Segmentación de clientes
Biología molecular
Un ejemplo de aplicación de agrupamiento es:
Diagnóstico médico
Reconocimiento de voz
Análisis de redes sociales
Clasificación de correos
DBSCAN es un algoritmo utilizado en:
Clasificación
Agrupamiento
Regresión
Árboles de decisión
En un sistema de fraude bancario, identificar si una transacción es fraudulenta o no es:
Agrupamiento
Clasificación
Clustering jerárquico
Regresión lineal
En biología, agrupar genes con funciones similares sin conocer su clasificación es un ejemplo de:
Clasificación
Agrupamiento
Regresión
Series temporales
La diferencia principal entre clasificación y agrupamiento es:
Uso de datos completos o incompletos
Supervisión en el aprendizaje
Tipo de variable
Cantidad de datos
