Pregunta: 1. ¿Cuál de los siguientes es un ejemplo de aprendizaje no supervisado? Seleccione uno: a. Agrupación b. Regresión C. Clasificación d. Ninguna de las anteriores 2. Supongamos que deseamos ejecutar el agrupamiento de K-means en nuestros datos, pero tenemos demasiadas características por adelantado. ¿Qué tipo de procesamiento previo se puede hacer para mejorar

1. ¿Cuál de los siguientes es un ejemplo de aprendizaje no supervisado?
Seleccione uno:
a. Agrupación
b. Regresión
C. Clasificación
d. Ninguna de las anteriores

2. Supongamos que deseamos ejecutar el agrupamiento de K-means en nuestros datos, pero tenemos demasiadas características por adelantado. ¿Qué tipo de procesamiento previo se puede hacer para mejorar el rendimiento de K-means?
Seleccione uno:
a. Asegúrese de que las características sean proporcionales
b. Ejecute PCA antes de la agrupación en clústeres real
C. Descartar arbitrariamente algunas de las características.
d. Ninguna de las anteriores

3. Indique si la siguiente afirmación es verdadera o falsa:
El aprendizaje no supervisado trata solo con datos etiquetados.
a. Verdadero
b. FALSO

4. ¿Cuál de los siguientes es un ejemplo de aprendizaje no supervisado?
Seleccione uno:
a. Predicción de incumplimiento de préstamo
b. Predicción de los precios de la vivienda
C. Clasificación de la imagen como un gato o un perro
d. Encontrar comunidades o grupos en grandes redes sociales

5. La cobertura de dos características, por ejemplo, las características I y j miden:
Seleccione uno:
a. Cuánto varían las dos características en la misma dirección o en direcciones opuestas
b. La relación promedio de la característica I y la característica j
C. La suma de las desviaciones de la característica I y la característica j
d. Fuerza de la relación entre las dos variables

6. Al usar el algoritmo K-means, ¿cuáles son algunas formas de evitar quedarse atascado en un óptimo local?
1. Ejecute el algoritmo varias veces usando diferentes inicializaciones aleatorias y tome la óptima.
2. Ejecute el algoritmo varias veces con la misma inicialización y tome el óptimo.
3. Use una inicialización más sencilla como K-means ++
4. Inicialice utilizando una ejecución anterior de K-means.
Seleccione uno:
a. 1 y 3
b. Solo 1
C. 2 y 4
d. Ninguna de las opciones

7. ¿Cuáles son las diferencias entre agrupamiento y clasificación?
Seleccione uno:
1. En la clasificación, no tenemos ninguna información previa sobre los grupos, ni ningún dato etiquetado, a diferencia del agrupamiento.
2. En la clasificación tenemos información previa sobre los grupos o datos etiquetados previamente, a diferencia del agrupamiento.
3. El agrupamiento es un problema de aprendizaje no supervisado, mientras que la clasificación es un problema supervisado.
problema de aprendizaje
4. La agrupación es un problema de aprendizaje supervisado, mientras que la clasificación es un problema de aprendizaje no supervisado.
Seleccione uno:
a. 1 y 2
b. 2 y 3
C. 1 y 3
d. Todo lo anterior

8. ¿Cuál de los siguientes no es cierto sobre el agrupamiento de K-medias?
Seleccione uno:
a. Requiere que se especifique el número de clusters
b. Los puntos de datos que están más alejados de un centroide crearán un grupo
C. La elección de diferentes puntos de partida puede resultar en diferentes grupos
d. K-means agrupa los datos al separar los puntos de datos en grupos según la distancia desde el centroide del clúster

9. En el agrupamiento de K-medias, ¿cuál será el valor de la suma de errores cuadráticos dentro del grupo si el número de conglomerados es igual al número de puntos de datos (observaciones)?
Seleccione uno:
a. 0
b. 1
C. Se acerca al infinito (número muy grande)
d. No puede ser determinado