MINERIA FINAL Quiz

MINERIA FINAL

  • 📝 15 preguntas
  • ⏱ ~8 min
  • 👥 15 jugaron

para pasar si o si

~8 min · 15 preguntas

💬 Comentar

🏆 Tabla de los mejores

  1. 🥇 Yyyyyyy6 100%
  2. 🥈 Yyyyyyy6 100%
  3. 🥉 Tonoi 100%
  4. #4 Gui 100%
  5. #5 faux 100%
  6. #6 miyo 100%
  7. #7 Efe 93%
  8. #8 miyo 93%
  9. #9 miyo 93%
  10. #10 Yoni 87%

✨ Parecidos

🔥 Quizzes populares

Comentarios · 0

Pregunta /

En qué se diferencia el índice Jaccard y el coeficiente de Pearson?

¿Cuántos formas diversas de agrupar 14 objetos son posibles si se requiere que el proceso entregue 3 grupos?

Se desea convertir la medida de similaridad de Pearson (p) a una medida de distancia para usarla en un algoritmo de agrupamiento. Para ello se debe realizar lo siguiente

suponga que el algoritmo A-priori identificó los siete siguientes 4-itemsets: acde, acdf, adfg, bcde, bcdf, bcdg, cdef. Todos ellos satisfacen un umbral de soporte dado por el usuario. ¿Qué 5-itemsets candidatos iniciales serían creados mediante el algoritmo A-priori?

El algoritmo k-means tiene algunos problemas que pueden causar resultados de baja calidad o incorrectos. ¿Cuál de los siguientes es uno de esos inconvenientes?

¿Cuál de las siguientes afirmaciones es verdadera respecto al algoritmo k-means?

¿Cuál de los siguientes es un criterio de término válido para el algoritmo k-means

¿El Soporte es una medida simétrica?.

¿Es posible que la asignación de objetos a los grupos no cambie entre sucesivas iteraciones del algoritmo k-means?

Si dos variables A1 y A2, se utilizan para el agrupamiento. ¿Cuál de las siguientes afirmaciones es cierta para k-means con k=3? 1. Si A1 y A2 tienen una correlación de 1, los centroides del clúster estarán en línea recta 2. Si A1 y A2 tienen una correlación de 0, los centroides del clúster estarán en línea recta

Considere el conjunto de datos siguiente: ID | Items 1001 | i1, i4, i5 1024 | i1, i2, i3, i5 1012 | i1, i2, i4, i5 1031 | i1, i3, i4, i5 1015 | i2, i3, i5 1022 | i2, i4, i5 1029 | i3, i4 1040 | i1, i2, i3 1033 | i1, i4, i5 1038 | i1, i2, i5

La selección de las medidas de distancia/singularidad. Es una de las decisiones más importantes para lograr un proceso de agrupamiento exitoso, seguido. Para el variable de cuantitativas. ¿Cuál de las siguientes métricas de distancia son adecuadas a utilizar? 1. Levenshtein. 2. euclidiana. 3., Manhattan. 4. Pearson.

Qué principio ayuda a descartar muchos items candidatos.

Considere el conjunto de datos siguiente: ID | Items 1001 | i1, i4, i5 1024 | i1, i2, i3, i5 1012 | i1, i2, i4, i5 1031 | i1, i3, i4, i5 1015 | i2, i3, i5 1022 | i2, i4, i5 1029 | i3, i4 1040 | i1, i2, i3 1033 | i1, i4, i5 1038 | i1, i2, i5 ¿Cuál es la confianza para las reglas de asociación (i2, i4) ---> (i5) y (i5) ---> (i2, i4)?

Suponga que está trabajando en la predicción del mercado de valores y le gustaría predecir el precio de una acción en particular para mañana (medido en dólares). Desea utilizar un algoritmo de aprendizaje para esto. ¿Cómo qué tipo de problema trataría esto?.

/ · Listo 🎉

Tu resultado está listo. 🎁

¿Quieres guardarlo y ver tu historial? Crear cuenta →