MINERIA FINAL

Question 1

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

Accepted Answer

d. Ambos son considerados medidas de similaridad, sólo se diferencian en su forma de cálculo.

Answer

a. Pearson sirve para evaluar el rendimiento de algoritmos de agrupamiento y Jaccard se usa como medida de distancia

Answer

b. Jaccard sirve para evaluar el rendimiento de reglas de asociación y pearson como medida de distancia.

Answer

c. Ambos son considerados índice de validación, el primero se usa en agrupamiento y el segundo en reglas de asociación.

Question 2

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

Accepted Answer

f. 797161

Answer

a. 265720

Answer

b. 9841

Answer

c. 29524

Answer

e. 88573

Question 3

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

Accepted Answer

b. 1-p

Answer

a. |1-p|

Answer

c. No es adecuado realizar este tipo de conversión.

Answer

d. La similaridad de Pearson (p) ya es una medida de distancia.

Question 4

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?

Accepted Answer

d. bcdfg, bcdeg, bcdef, acdef.

Answer

a. abcef, bcdef, bedeg, bcdfg.

Answer

b. abdef, bcdef, bcdeg, bcdfg.

Answer

c. bcdeg, bcdaf, bcdef, acdef.

Question 5

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?

Accepted Answer

d. Falla cuando los grupos a formar son no convexos.

Answer

a. Es un método fácil de implementar.

Answer

b. Es un método que requiere el número de grupos a formar.

Answer

c. Falla cuando los grupos a formar son convexos.

Question 6

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

Accepted Answer

b. Todos los atributos deben ser numéricos.

Answer

a. Todos los atributos deben ser categóricos.

Answer

c. Únicamente el atributo de salida debe ser numérico.

Answer

d. El atributo de salida debe ser categórico.

Question 7

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

Accepted Answer

a. Cuando el error cuadrático medio sea menor que un umbral.

Answer

b. Cuando los centroides coinciden con uno de los objetos del conjunto de datos.

Answer

c. Cuando el promedio de las distancias entre elementos de grupos es 0.

Answer

d. Cuando la asignación de un objeto a un grupo se da por dos o más ocasiones.

Answer

e. Cuando los medoides se mantienen constantes en dos iteraciones.

Question 8

¿El Soporte es una medida simétrica?.

Accepted Answer

Verdadero

Answer

Falso

Question 9

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

Accepted Answer

d. Si.

Answer

a. Depende del número de grupos.

Answer

b. Depende de la medida de distancia utilizada.

Answer

No

Question 10

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

Accepted Answer

d. Sólo la afirmación 1.

Answer

a. El número de grupos es muy pequeño para poder sacar una conclusión.

Answer

b. Ambas afirmacion.

Answer

c. Sólo la afirmación 2.

Question 11

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

Accepted Answer

b. soporte(i5) es 0.8, soporte(i2, i4) es 0.2, soporte(i2, i4, i5) es 0.2

Answer

a. soporte(i5) es 0.7, soporte(i2, i4) es 0.4, soporte(i2, i4, i5) es 0.2

Answer

c. soporte(i5) es 0.7, soporte(i2, i4) es 0.2, soporte(i2, i4, i5) es 0.2

Answer

d. soporte(i5) es 0.8, soporte(i2, i4) es 0.4, soporte(i2, i4, i5) es 0.6

Answer

e. soporte(i5) es 0.6, soporte(i2, i4) es 0.2, soporte(i2, i4, i5) es 0.2

Question 12

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.

Accepted Answer

2,3,4

Answer

1,2,3

Answer

2,1

Answer

1,2,4

Answer

1,3

Question 13

Qué principio ayuda a descartar muchos items candidatos.

Accepted Answer

b. Monótonicidad

Answer

a. Ítemset

Answer

c. Separación.

Answer

d. Homogeneidad.

Question 14

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)?

Accepted Answer

b. confianza(i2, i4 ---> i5) es 1 y confianza(i5 ---> i2, i4) es 0.25

Answer

a. confianza(i2, i4 ---> i5) es 1 y confianza(i5 ---> i2, i4) es 0.75

Answer

c. confianza(i2, i4 ---> i5) es 0.25 y confianza(i5 ---> i2, i4) es 1

Answer

d. confianza(i2, i4 ---> i5) es 0.25 y confianza(i5 ---> i2, i4) es 0.75

Question 15

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?.

Accepted Answer

b. Regresión.

Answer

a. Clasificación.

Answer

c. Clustering.

Answer

d. Reglas de asociación.

MINERIA FINAL

🏆 Tabla de los mejores

✨ Parecidos

Examen ingles

OLIMPIADAS SEGUNDA FASE NIVEL 5

UNIFORME

Como será la Proxima eleciones de Cata&ntil

Preguntas económicas

Adivina Al SANS!

🔥 Quizzes populares

TEST DE MILIPILI

Tincho

TEST DE TURRA

¿Cuánto sábes de "The Amazing Digital Circus"?

Cinturon Blanco punta amarillo

Adivina la raza de PERRO!

Comentarios · 0