Aprendizaje No Supervisado: Conceptos, Algoritmos y Aplicaciones

Question 1

¿Cuál de estos métodos es un algoritmo de agrupamiento?

Accepted Answer

K-Means

Answer

Clasificación

Answer

Regresión lineal

Answer

Redes neuronales convolucionales

Question 2

En la reducción de dimensionalidad, ¿cuál es el objetivo principal?

Accepted Answer

Reducir el número de características preservando la máxima información.

Answer

Identificar relaciones lineales entre características.

Answer

Aumentar el número de características para mayor precisión.

Question 3

¿Qué métrica se utiliza habitualmente para evaluar la calidad de un modelo de agrupamiento?

Accepted Answer

Puntuación de silueta

Answer

Precisión

Answer

Error cuadrático medio

Answer

Máxima probabilidad

Question 4

En la detección de anomalías, ¿qué tipo de patrones busca el algoritmo?

Accepted Answer

Datos que se desvían de la norma.

Answer

Relaciones entre características

Answer

Patrones lineales o no lineales

Question 5

¿Cuál de estas afirmaciones sobre el aprendizaje no supervisado es verdadera?

Accepted Answer

Se utiliza cuando los datos carecen de etiquetas.

Answer

El aprendizaje no supervisado sólo sirve para tareas de agrupamiento.

Answer

Los algoritmos de aprendizaje no supervisado siempre necesitan muchos datos.

Question 6

En el aprendizaje por asociación, ¿cuál es el objetivo?

Accepted Answer

Descubrir reglas de asociación entre elementos.

Answer

Predecir valores continuos para nuevos datos.

Answer

Identificar estructuras jerárquicas en los datos.

Question 7

En la detección de anomalías, ¿cuál es una ventaja del enfoque basado en umbrales?

Accepted Answer

Simplifica la interpretación y facilita el ajuste de los umbrales.

Answer

Mayor precisión en la detección de anomalías

Answer

Maneja datos de alta dimensionalidad

Question 8

¿Cuál de las siguientes afirmaciones sobre el aprendizaje no supervisado es INCORRECTA?

Accepted Answer

Los modelos de aprendizaje no supervisado no pueden utilizarse para tareas de clustering.

Answer

El aprendizaje no supervisado se emplea para descubrir patrones ocultos en los datos sin etiquetas.

Answer

Los algoritmos de aprendizaje no supervisado no requieren datos etiquetados.

Question 9

¿Cuál de las siguientes afirmaciones sobre el aprendizaje no supervisado es verdadera?

Accepted Answer

Es un tipo de aprendizaje automático que permite a los algoritmos aprender patrones y estructuras en datos sin etiquetas.

Answer

No se utiliza para identificar patrones y estructuras en datos

Answer

Requiere datos etiquetados para aprender

Question 10

¿Cuál de los siguientes algoritmos se utiliza comúnmente en el aprendizaje no supervisado por agrupamiento?

Accepted Answer

K-Means

Answer

Máquina de vectores de soporte

Answer

Regresión lineal

Question 11

El aprendizaje por reducción de dimensionalidad se utiliza para:

Accepted Answer

Reducir el número de características sin perder información significativa

Answer

Identificar outliers en los datos

Answer

Predecir valores continuos

Question 12

El método de agrupamiento jerárquico crea una jerarquía de:

Accepted Answer

Agrupaciones

Answer

Instancias de datos

Answer

Características

Answer

Modelos

Question 13

¿Cuál de las siguientes métricas se utiliza para evaluar la calidad de los grupos en el aprendizaje no supervisado?

Accepted Answer

Índice de silueta

Answer

Coeficiente de correlación

Answer

Precisión

Answer

Pérdida de clasificación

Question 14

Una limitación del análisis de componentes principales (PCA) es:

Accepted Answer

Puede no ser adecuado para datos no lineales

Answer

Es computacionalmente intensivo

Answer

Sólo puede identificar dos componentes principales

Answer

Requiere datos normalizados

Question 15

El algoritmo de escalamiento multidimensional (MDS) se utiliza principalmente para:

Accepted Answer

Visualizar relaciones de proximidad entre puntos de datos.

Answer

Identificar grupos distintos dentro de los datos.

Answer

Reducir la dimensionalidad de los datos.

Question 16

¿Cuál de las siguientes opciones NO es una técnica de aprendizaje no supervisado?

Accepted Answer

Clasificación supervisada.

Answer

Detección de anomalías.

Answer

Reducción de dimensionalidad.

Answer

Agrupamiento.

Question 17

Proporciona un ejemplo de un algoritmo de agrupamiento:

Accepted Answer

k-means

Answer

Regresión logística

Answer

Detección de valores atípicos.

Answer

Máquinas de soporte vectorial.

Question 18

El análisis de componentes principales (PCA) es una técnica que se emplea para:

Accepted Answer

Reducir la dimensionalidad de los datos mientras se conserva la varianza máxima.

Answer

Detectar anomalías en los datos.

Answer

Clasificar datos en categorías predefinidas.

Answer

Agrupar puntos de datos en clústeres.

Question 19

¿Cuál es el objetivo principal del aprendizaje no supervisado?

Accepted Answer

Descubrir patrones y estructuras ocultas en datos sin etiquetas.

Answer

Hacer predicciones sobre datos futuros.

Answer

Generar nuevos datos a partir de datos existentes.

Answer

Clasificar datos en categorías etiquetadas.

Question 20

¿Cuál de las siguientes afirmaciones sobre el aprendizaje no supervisado es VERDADERA?

Accepted Answer

Los datos de entrenamiento utilizados en el aprendizaje no supervisado no están etiquetados.

Answer

El aprendizaje no supervisado se utiliza principalmente para problemas de clasificación.

Answer

Los algoritmos de aprendizaje no supervisado requieren una gran cantidad de datos para funcionar eficazmente.

Answer

El aprendizaje no supervisado siempre produce resultados más precisos que el aprendizaje supervisado.

Question 21

Proporciona un ejemplo de una aplicación del mundo real del aprendizaje no supervisado:

Accepted Answer

Detección de fraude en transacciones financieras.

Answer

Predicción de ventas futuras.

Answer

Clasificación de correos electrónicos como spam o no spam.

Question 22

El algoritmo de agrupamiento jerárquico:

Accepted Answer

Construye una jerarquía de clústeres, lo que permite una exploración flexible de la estructura de los datos.

Answer

Asigna cada punto de datos a un único clúster.

Answer

Reduce la dimensionalidad de los datos.

Answer

Detecta valores atípicos en los datos.

Question 23

Los autocodificadores son un tipo de red neuronal que se pueden utilizar para:

Accepted Answer

Aprender representaciones eficientes de datos mediante la reducción de la dimensionalidad y la reconstrucción de los datos de entrada.

Answer

Clasificar datos en categorías.

Answer

Detectar anomalías en los datos.

Answer

Generar nuevos datos a partir de datos existentes.

Question 24

¿Cuál de las siguientes métricas se utiliza comúnmente para evaluar el rendimiento de los algoritmos de agrupamiento?

Accepted Answer

Índice de Silhouette

Answer

Pérdida de entropía cruzada

Answer

AUC-ROC

Answer

Precisión