Parcial corte 1 - 18/03/2026

La minería de datos es independiente del proceso KDD. falso. verdadero.

El proceso KDD incluye la etapa de interpretación de resultados. verdadero. falso.

El preprocesamiento de datos no influye en el rendimiento del modelo. falso. vrdadero.

La normalización permite escalar datos a un rango común. verdadero. falso.

K-Means es un algoritmo supervisado. falso. verdadero.

La clasificación es una técnica no supervisada. vedadero. falso.

El algoritmo Apriori se utiliza para clasificación. falso. verdadero.

El recall mide la capacidad de detectar positivos reales. falso. verdadero.

El overfitting mejora la generalización del modelo. falso. verdadero.

PCA permite reducir la dimensionalidad de los datos. verdadero. falso.

¿Cuál es la primera etapa del proceso KDD?. A) Limpieza. B) Transformación. C) Selección. D) Interpretación.

¿Qué etapa elimina datos inconsistentes?. A) Transformación. B) Limpieza. C) Minería. D) Evaluación.

¿Cuál es un algoritmo supervisado?. A) K-Means. B) DBSCAN. C) Árbol de decisión. D) Apriori.

¿Qué técnica predice valores continuos?. A) Clasificación. B) Clustering. C) Regresión. D) Asociación.

¿Qué algoritmo usa centroides?. A) Apriori. B) KNN. C) K-Means. D) Naive Bayes.

¿Qué métrica mide predicciones correctas totales?. A) Recall. B) Precisión. C) Accuracy. D) Soporte.

¿Cuál es un ejemplo de aprendizaje no supervisado?. A) Spam. B) IDS. C) Segmentación de clientes. D) Clasificación.

¿Qué técnica agrupa datos similares?. A) Regresión. B) Clasificación. C) Clustering. D) Asociación.

¿Qué ocurre si se elige mal el valor de K en K-Means?. A) Mejora precisión. B) Agrupaciones deficientes. C) Reduce datos. D) Mejora recall.

¿Qué mide la precisión?. A) Datos totales. B) Positivos reales detectados. C) Positivos correctos sobre predichos. D) Negativos reales.

¿Qué tipo de datos usa el aprendizaje supervisado?. A) Sin etiquetas. B) Aleatorios. C) Etiquetados. D) Ruido.

¿Qué algoritmo se usa en reglas de asociación?. A) K-Means. B) Apriori. C) KNN. D) PCA.

¿Qué problema afecta la generalización?. A) Normalización. B) Overfitting. C) Limpieza. D) PCA.

¿Qué etapa convierte datos a formatos adecuados?. A) Selección. B) Limpieza. C) Transformación. D) Evaluación.

¿Qué se prioriza en IDS?. A) Accuracy. B) Precisión. B) Precisión. C) Recall. D) Soporte.

Un sistema IDS clasifica tráfico como normal o ataque usando datos etiquetados. ¿Qué tipo de aprendizaje aplica?. A) No supervisado. B) Supervisado. C) Reforzado. D) Estadístico.

Un analista agrupa clientes sin etiquetas previas. ¿Qué técnica usa?. A) Clasificación. B) Regresión. C) Clustering. D) Asociación.

Un modelo funciona bien en entrenamiento pero mal en producción. ¿Qué problema presenta?. A) Normalización. B) Overfitting. C) Limpieza. D) PCA.

Un dataset tiene valores nulos y ruido. ¿Qué fase aplicar primero?. A) Minería. B) Limpieza. C) Evaluación. D) Clustering.

Se quiere predecir precios de viviendas. ¿Qué técnica usar?. A) Clasificación. B) Clustering. C) Regresión. D) Asociación.

Se analizan productos que se compran juntos. ¿Qué técnica aplicar?. A) Clasificación. B) Clustering. C) Asociación. D) Regresión.

Un modelo detecta pocos ataques reales. ¿Qué métrica está fallando?. A) Accuracy. B) Precisión. C) Recall. D) Soporte.

Se quiere reducir variables manteniendo información relevante. ¿Qué usar?. A) KNN. B) Apriori. C) PCA. D) DBSCAN.

Datos en diferentes escalas afectan el modelo. ¿Qué aplicar?. A) Limpieza. B) Normalización. C) Clasificación. D) PCA.

Un sistema busca patrones sin etiquetas. ¿Qué aprendizaje usa?. A) Supervisado. B) No supervisado. C) Semi-supervisado. D) Predictivo.

¿Cuáles son etapas del KDD?. A) Selección. B) Limpieza. C) Transformación. D) Minería.

¿Qué incluye la limpieza de datos?. A) Valores nulos. B) Ruido. C) Datos inconsistentes. D) Clusters.

¿Algoritmos supervisados?. A) Árboles de decisión. B) Naive Bayes. C) KNN. D) K-Means.

¿Métricas de evaluación?. A) Accuracy. B) Precisión. C) Recall. D) K.

¿Problemas en minería de datos?. A) Overfitting. B) Datos ruidosos. C) Normalización. D) Limpieza.