MINERIA DE DATOS - C1 - 6TO - UNEMI

Un modelo con buen accuracy puede NO ser adecuado en salud si: No considera impacto humano. Se usa como única fuente de decisión. Presenta muchos falsos negativos. Tiene muchas variables predictoras.

¿Cómo se determina la clase final en K-NN para clasificación?. Se elige la clase más frecuente entre los K vecinos. Se calcula una probabilidad con el teorema de Bayes. Se ajusta una recta y se predice un valor continuo. Se construye una jerarquía de reglas desde una raíz.

Una empresa tiene información de clientes, pero no sabe quiénes son 'buenos' o 'malos'. Solo desea agrupar clientes según comportamiento de compra. ¿Qué enfoque es el más adecuado?. Predicción, porque estima valores futuros. Clustering, porque no hay etiquetas y se buscan grupos por similitud. Recomendación, porque sugiere productos de inmediato. Clasificación, porque asigna una clase conocida.

Un sistema recibe correos etiquetados como 'spam' o 'no spam' y aprende a clasificar nuevos correos. Este es un ejemplo de: Agrupamiento. No supervisado. Exploratorio. Supervisado.

Los dos primeros componentes explicaron aproximadamente el 48.9% de la varianza total. Esto indica que el dataset: Contiene información distribuida en varias dimensiones. No es adecuado para PCA. Es simple y fácil de resumir. Perdió información irrelevante.

Un modelo de regresión logística estima P(Riesgoso) para un cliente. Si la política del banco define umbral 0.70, ¿cuándo se clasifica como Riesgoso?. Cuando P(Riesgoso) ≥ 0.70. Cuando el árbol llega a una hoja con mayoría Riesgoso. Cuando P(Riesgoso) ≤ 0.70. Cuando el cliente es similar a sus 3 vecinos más cercanos.

¿Cuál de las siguientes NO es una estrategia de reducción de datos?. Normalización de bases de datos. Reducción de numerosidad. Reducción de dimensionalidad. Compresión de datos.

¿Cuál de los siguientes problemas surge al analizar datasets con muchas variables?. Menor tiempo de procesamiento. Mayor consumo de recursos y complejidad. Mayor facilidad de interpretación. Resultados más claros automáticamente.

¿Cuál NO es objetivo de un modelo descriptivo?. Predecir valores futuros. Resumir información. Identificar patrones. Explorar datos.

Un modelo que estima la demanda futura de un producto es: Exploratorio. No supervisado. Descriptivo. Predictivo.