Examen #3

Question 1

Qué es minería de datos

Answer 1

Es el proceso de seleccionar, explorar, modificar, modelar y valorar grandes cantidades de datos

Question 2

Cuál es el objetivo de la minería de datos

Answer 2

Descubrir patrones desconocidos que puedan ser utilizados como ventaja comparativa respecto a los competidores

Question 3

Con cuáles áreas de conocimiento se relaciona

Answer 3

Inteligencia artificial
Estadística
Bases de datos
Visualización de información
Matemáticas
Aprendizaje automático (machine learning)

Question 4

Que se busca con los datos predictivos

Answer 4

Se busca predecir, también llamado aprendizaje supervisado

Question 5

Que se busca con los datos descriptivos

Answer 5

Busca describir el conjunto de datos estudiado, llamado aprendizaje no supervisado

Question 6

Cuáles son tareas predictivas

Answer 6

Clasificación
Estimación

Question 7

Qué es clasificación

Answer 7

Es una tarea predictiva
La variable de interés es categórica (también llamado Target o label)
Puede ser binario o no

Question 8

Qué es estimación

Answer 8

Es una tarea predictiva
La variable que desea estimar (Target) es numérica
Para nuevas observaciones, el valor del Target se estima utilizando el valor de los predictores

Question 9

Cuáles son las tareas descriptivas

Answer 9

Clustering
Asociación

Question 10

Qué es clustering

Answer 10

Es una tarea descriptiva
Agrupar registros en clases de objetos similares
Un cluster es un conjunto de registros que son similares entre sí, pero diferentes a los de otro cluster

Question 11

Qué es asociación

Answer 11

Es una tarea descriptiva
Encontrar atributos “que van juntos”
Análisis de afinidad, análisis de canasta de mercado
Busca descubrir reglas para cuantificar las relaciones entre 2 o + atributos

Question 12

Que son las técnicas de minería de datos

Answer 12

Son implementaciones específicas de los algoritmos que se utilizan para llevar a cabo la construcción del modelo

Question 13

Técnicas para modelos predictivos de clasificación

Answer 13

Árboles de decisión
Bosques aleatorios
Regresión logística
Redes neuronales

Question 14

Técnicas para modelos predictivos para estimación

Answer 14

Árboles de regresión
Redes neuronales
Regresión lineal
Regresión no lineal

Question 15

Técnicas de análisis de relaciones o asociaciones para modelos descriptivos

Answer 15

Algoritmo A priori
FP-Growth

Question 16

Que son los árboles de decisión

Answer 16

Busca crear nodos hoja puros
Nodos donde todos los registros son de la misma clase o categoría

Question 17

Que son nodos hoja impuros

Answer 17

Cuando los datos están mal clasificados

Question 18

Cómo se eligen los nodos para estimar la pureza de un nodo

Answer 18

Entropia
Índice de Gini
Gane de información

Question 19

Qué es el algoritmo de carta

Answer 19

Produce árboles estrictamente binarios
Árboles de clasificación y regresión

Question 20

Cuáles son las técnicas para evaluar modelos de clasificación

Answer 20

Matriz de confusión
ROC/AUC

Question 21

Qué es la matriz de confusión

Answer 21

Cuantas de las predicciones que se hicieron para cada valor de la matriz de interés estuvieron correctas y cuáles no

Question 22

Qué es un verdadero positivo

Answer 22

Se predijo la clase X y la clase actual es X

Question 23

Qué es falso positivo

Answer 23

Se predijo la clase X y la clase actual es Y

Question 24

Qué es falso negativo

Answer 24

Se predijo la clase Y y la clase actual es X

Question 25

Qué es falso negativo

Answer 25

Se predijo la clase Y y la clase actual es X

Question 26

Criterios a tomar en cuenta

Answer 26

Sensibilidad Especificidad Precisión Exactitud

Question 27

Qué es la curva ROC

Answer 27

Gráfica la proporción de verdaderos positivos vs falsos positivos Usada para analizar el traedor entre la detección de TP mientras se evitan los FN

Question 28

En los análisis de regresión cuales métodos se agrupan

Answer 28

Regresión lineal, Regresión logística, Regresión Poisson, Arboles de regresión

Question 29

Que es el análisis de regresión

Answer 29

Especifica la relación entre una variable dependiente y una variable independiente, ambas numéricas

Question 30

Algunos ejemplos de la regresión lineal simple

Answer 30

Predecir el precio promedio de una casa dada la cantidad de habitaciones Predecir la nota final de un estudiante en un curso, dada la cantidad de horas semanales que dedica al estudio Predecir el salario de una persona, dada la cantidad de años que ha laborado en una empresa

Question 31

Los predictores son siempre

Answer 31

Numéricos

Question 32

Que se tiene en la regresión lineal simple

Answer 32

Solo se tiene un predictor o variable independiente

Question 33

Que revisar en el modelo

Answer 33

Los valores residuales Los coeficientes del modelo Error residual estándar Error absoluto medio MAE Estadistica R2 Estadistica F El valor p

Question 34

Que fórmula se usa para la regresión lineal simple

Answer 34

Método de los mínimos cuadrados

Question 35

Que es un cluster

Answer 35

Un agrupamiento de objetos de tal forma que los objetos de un mismo cluster tengan una alta similitud entre sí, pero muy diferente a los objetos de otro cluster

Question 36

En que se utiliza el análisis de cluster

Answer 36

Reconocimiento de patrones Investigación de mercado Procesamiento de imágenes

Question 37

Cuáles son los métodos de clustering según el método de particionamiento

Answer 37

Método de particionamiento duro Métodos jerárquicos

Question 38

Que es el método de particionamiento duro

Answer 38

Dada una base de datos de n objetos el método construye k particiones, cada partición es un cluster, cada objeto debe tener al menos 1 objeto y cada objeto pertenece únicamente a 1 grupo

Question 39

Que es el método jerárquico

Answer 39

Crea una descomposición jerárquica de los datos, todos los objetos comienzan en un grupo y se va ejecutando divisiones mientras se baja en la jerarquía

Question 40

Cuáles son los métodos de clustering según el algoritmo

Answer 40

Clustering basado en prototipos Agrupación por densidad Clustering jerárquico Clustering jerárquico - enfoques Clustering basado en modelos

Question 41

Que es el clustering basado en prototipos

Answer 41

Cada cluster se representa por un dato/objeto central El objeto central es el prototipo Segmentación de clientes

Question 42

Que es agrupación por densidad

Answer 42

El cluster se define como una región densa donde se concentran datos Las zonas densas están rodeadas por otras con menos densidad de puntos Cada zona densa es un cluster

Question 43

Que es cluster jerárquico

Answer 43

La jerarquía de cluster se crea basándose en la distancia entre puntos Su salida es un dendrograma Útil cuando la cantidad de datos es ilimitada

Question 44

Clustering jerárquico - enfoques

Answer 44

Botón Bottom-up: cada punto es un cluster Top-down: el conjunto de datos se considera un cluster, se divide recursivamente en subclusters

Question 45

Que es clustering basado en modelos

Answer 45

Basado en modelos de distribución de probabilidad Clustering basado en probabilidad Cluster donde sus elementos tienen la misma probabilidad

Question 46

Que es el método de las k-medias

Answer 46

Es un método de agrupamiento, que tiene como objetivo la partición de un conjunto de n observaciones en k grupos en el que cada observación pertenece al grupo cuyo valor medio es más cercano.

Question 47

Que es el Score silhouette

Answer 47

Se refiere a un método de interpretación y validación de la coherencia dentro del análisis de grupos