El muestreo es una técnica que se suele aplicar en la fase de:

Selección, limpieza y transformación

Interpretación y evaluación de modelos

Los sistemas ETL se suelen aplicar en la fase de:

Interpretación y evaluación de modelos

Selección, limpieza y transformación

La primera fase del proceso de KDD es la fase de:

Selección, limpieza y transformación

Interpretación y evaluación de modelos

La técnica 10-fold cross validation se suele aplicar en la fase de:

Interpretación y evaluación de modelos

Selección, limpieza y transformación

La última fase del proceso de KDD es la fase de:

Interpretación y evaluación de modelos

Selección, limpieza y transformación

Indicar cuál de los siguientes no es un enfoque para realizar clasificación:

Conjuntos frecuentes (itemsets)

Quiz

MINERIA DE DATOS

Javier Correa Santos 199 questions

Take the quiz

Questions in this quiz (199)

1Naive Bayes es un algoritmo utilizado para:
1. AClustering
2. BClasificación
3. CRegresión
4. DAsociación
2Los árboles de decisión se utilizan en data mining para abordar la tarea de:
1. ARegresión
2. BClustering
3. CAsociación
4. DClasificación
3Indicar cómo se denomina el proceso completo de extracción de conocimiento en bases de datos:
1. APreparación de Datos
2. BData Mining
3. CInterpretación de datos
4. DKDD
4A la obtención de grupos de objetos similares entre sí se le conoce en data mining como:
1. ARegresión
2. BAsociación
3. CClustering
4. DClasificación
5Indicar cuál de las siguientes no es una característica del conocimiento extraído por medio del proceso de KDD:
1. ANo Trivial
2. BExplícito
3. CImplícito
4. DÚtil
6Indicar cuál de las siguientes áreas no está relacionada, en principio, con la minería de datos:
1. AAprendizaje Automático
2. BFísica cuántica
3. CBases de Datos
4. DEstadística
7ID3 es un algoritmo utilizado para:
1. ARegresión
2. BClasificación
3. CClustering
4. DAsociación
8La tarea que permite transformar un atributo numérico para concentrarlo en el intervalo [0,1] se denomina:
1. ADiscretización
2. BReducción de dimensionalidad
3. CNumerización
4. DNormalización
9Las sucesiones de valores que representan la evolución de una caracerística en un lapso de tiempo se denominan:
1. ADocumentos
2. BDatos multimedia
3. CDatos espaciales
4. DSeries temporales
10El mapa de una ciudad es un ejemplo de:
1. ASerie temporal
2. BDato espacial
3. CDato multimedia
4. DDocumento

11El muestreo es una técnica que se suele aplicar en la fase de:
1. ARecopilación
2. BInterpretación y evaluación de modelos
3. CData Mining
4. DSelección, limpieza y transformación
12El color de un coche es un atributo de tipo:
1. AOrdinal
2. BDiscreto
3. CContinuo
4. DNominal
13Los sistemas ETL se suelen aplicar en la fase de:
1. AInterpretación y evaluación de modelos
2. BSelección, limpieza y transformación
3. CData Mining
4. DRecopilación
14La entrada de la fase de Data Mining es:
1. AVista minable
2. BData Warehouse
3. CDatos
4. DModelos
15La tarea de data mining que se encarga de, por ejemplo, analizar productos que se compran juntos, se le conoce en data mining como:
1. AClasificación
2. BAsociación
3. CClustering
4. DRegresión
16La primera fase del proceso de KDD es la fase de:
1. ASelección, limpieza y transformación
2. BInterpretación y evaluación de modelos
3. CRecopilación
4. DData Mining
17Un método de detección de atípicos basado en el uso del algoritmo DBSCAN, es un método basado en:
1. AClustering
2. BAproximaciones estadísticas
3. CProximidad
4. DDensidad
18Indicar cuál de las siguientes no es una tarea de Data Mining:
1. AClasificación
2. BK-medias
3. CClustering
4. DRegresión
19La técnica 10-fold cross validation se suele aplicar en la fase de:
1. ASelección, limpieza y transformación
2. BData Mining
3. CRecopilación
4. DInterpretación y evaluación de modelos
20Las tećnicas de data mining que construyen un modelo de forma explícita para usarlo posteriormente se denominan:
1. APerezosas
2. BLazy
3. CRetardadas
4. DAnticipativas
21El número de estudiantes de una clase es un atributo de tipo:
1. AContinuo
2. BOrdinal
3. CNominal
4. DDiscreto
22La predicción de si un cliente de un banco devolverá o no un préstamo se puede resolver por medio de técnicas de:
1. AClasificación
2. BClustering
3. CAsociación
4. DRegresión
23La entrada de la fase de Interpretación y Evaluación es:
1. ADatos
2. BVista minable
3. CData Warehouse
4. DModelos
24La entrada de la fase de Selección,Limpieza y Transformación es:
1. ADatos
2. BVista minable
3. CData Warehouse
4. DModelos
25La salida de la fase de Selección,Limpieza y Transformación es:
1. AData Warehouse
2. BModelos
3. CDatos
4. DVista minable
26Indicar cuál de las siguientes no es una característica del conocimiento extraído por medio del proceso de KDD:
1. AImplícito
2. BÚtil
3. CNo Trivial
4. DPreviamente conocido
27La última fase del proceso de KDD es la fase de:
1. AData Mining
2. BInterpretación y evaluación de modelos
3. CSelección, limpieza y transformación
4. DRecopilación
28La tendencia actual en la minería de datos va encaminada hacia soluciones que cada vez son más caras y menos accesibles para el público general.
1. ATrue
2. BFalse
29El algoritmo STING pertenece al grupo de los algoritmos de clustering:
1. AParticional
2. BJerárquico
3. CBasado en densidad
4. DBasado en grid
30El algoritmo DBSCAN pertenece al grupo de los algoritmos de clustering:
1. ABasado en grid
2. BBasado en densidad
3. CJerárquico
4. DParticional
31El algoritmo K-medias pertenece al grupo de los algoritmos de clustering:
1. AJerárquico
2. BParticional
3. CBasado en grid
4. DBasado en densidad
32Indicar cuál de las siguientes áreas está altamente relacionada con la minería de datos:
1. AMecánica de fluidos
2. BLógica computacional
3. CDerecho internacional
4. DEstadística
33La minería de datos es una fase de un proceso más amplio. Se trata de la fase más importante, motivo por el cuál el nombre se ha extendido y se utiliza para referirse a la disciplina completa de extracción de conocimiento.
1. ATrue
2. BFalse
34Indicar cuál de las siguientes no es una característica del conocimiento extraído por medio del proceso de KDD
1. ATrivial
2. BNo Trivial
3. CÚtil
4. DImplícito
35Las imágenes, videos, elementos de audio, etc., son ejemplos de:
1. ADocumentos
2. BSeries temporales
3. CDatos espaciales
4. DDatos multimedias
36Indicar con qué tipo de técnica de data mining se puede obtener la regla "Los clientes que compran pan, también compran mantequilla":
1. AClasificación
2. BRegresión
3. CClustering
4. DAsociación
37La entrada de la fase de Recopilación es
1. AData Warehouse
2. BModelos
3. CDatos
4. DVista minable
38Un método de detección de atípicos basado en el uso de la distribución Poisson, es un método basado en:
1. AAproximaciones estadísticas
2. BClustering
3. CDensidad
4. DProximidad
39La tarea de Data Mining utilizada para predecir el valor desconocido de un atributo cualitativo, se denomina:
1. ARegresión
2. BClustering
3. CClasificación
4. DAsociación
40Un método de detección de atípicos basado en el uso de la técnica de los k vecinos más próximos, es un método basado en:
1. AClustering
2. BProximidad
3. CAproximaciones estadísticas
4. DDensidad
41A la obtención de grupos de objetos similares entre sí se le conoce en data mining como:
Seleccione una:
1. AAsociación
2. BClasificación
3. CRegresión
4. DClustering
42Indicar cuál de las siguientes es una tarea predictiva de Data Mining:
1. ADetección de atípicos
2. BClustering
3. CAsociación
4. DClasificación
43El algoritmo Apriori se utiliza para resolver la tarea de data mining conocida como:
1. AAsociación
2. BClasificación
3. CClustering
4. DRegresión
44El sobreajuste siempre es una característica deseable en los modelos de data mining.
1. ATrue
2. BFalse
45La tarea de Data Mining utilizada para predecir el valor desconocido de un atributo cuantitativo, se denomina:
1. AAsociación
2. BRegresión
3. CClasificación
4. DClustering
46Indicar cuál de los siguientes no es un enfoque para realizar clasificación:
1. AÁrboles de decisión
2. BConjuntos frecuentes (itemsets)
3. CRedes de neuronas artificiales
4. DReglas de decisión
47Las Redes de Neuronas Artificiales requieren de un proceso de entrenamiento para determinar el valor adecuado de un conjunto de pesos.
1. ATrue
2. BFalse
48Las tećnicas de clasificación basadas en árboles de decisión son técnicas:
1. ALazy
2. BAnticipativas
3. CPerezosas
4. DRetardadas
49Las tećnicas de clasificación basadas en árboles de decisión son técnicas:
1. APerezosas
2. BLazy
3. CRetardadas
4. DImpacientes
50Indicar cuál de los siguientes es un algoritmo basado en árboles de decisión:
1. AID3
2. BPerceptrón Multicapa
3. CK-medias
4. DBackpropagation
51El Perceptrón Multicapa es una red neuronal que tienen únicamente dos capas: de entrada y de salida.
1. ATrue
2. BFalse
52Indicar cuál de los siguientes es un enfoque para realizar clasificación:
1. AÁrboles de decisión
2. BDensidad
3. CK-medias
4. DConjuntos frecuentes (itemsets)
53El algoritmo de los k vecinos más próximos no es de tipo:
1. APerezoso
2. BAnticipativo
3. CRetardado
4. DLazy
54Las técnicas bayesianas no son:
1. ARetardadas
2. BPerezosas
3. CEager
4. DLazy
55El algoritmo de los k vecinos más próximos no es de tipo:
1. ARetardado
2. BLazy
3. CImpaciente
4. DPerezoso
56El algoritmo de los k vecinos más próximos es de tipo:
1. AImpaciente
2. BLazy o perezoso o retardado
3. CEager
4. DAnticipativo
57Las técnicas bayesianas no son:
1. AImpacientes
2. BRetardadas
3. CPerezosas
4. DLazy
58ndicar cuál de los siguientes es un concepto fundamental relacionado con la evaluación de clasificadores:
1. AProbabilidad condicionada
2. BDistancia
3. CMatriz de confusión
4. DEntropía
59El algoritmo de los k vecinos más próximos requiere del establecimiento de una medida de:
1. ACantidad de información
2. BDistancia
3. CGanancia de información
4. DEntropía
60Indicar cuál de los siguientes es un algoritmo basado en árboles de decisión:
1. AK-medias
2. BCART
3. CApriori
4. DBackpropagation
61Indicar cuál de los siguientes no es un concepto utilizado al construir árboles de decisión:
1. ADensidad
2. BEntropía
3. CCantidad de información
4. DGanancia de información
62Indicar cuál de los siguientes no es un enfoque para realizar clasificación:
1. ATécnicas basadas en densidad
2. BTécnicas basadas en casos
3. CÁrboles de decisión
4. DTécnicas bayesianas
63Indicar cuál de las siguientes no es una aplicación clásica de las técnicas de clasificación:
1. AGrupos de clientes similares
2. BEvitar abandonos de clientes
3. CEstudio de concesión de préstamos
4. DDetección de fraudes en compañías de seguros
64Las técnicas bayesianas son :
1. AAnticipativas
2. BPerezosas
3. CImpacientes
4. DEager
65Las tećnicas de clasificación basadas en árboles de decisión son técnicas:
1. AImpacientes
2. BPerezosas
3. CRetardadas
4. DLazy
66Indicar cuál de los siguientes teoremas de utiliza ampliamente en minería de datos para realizar clasificación:
1. ABayes
2. BPitágoras
3. CLaplace
4. DBolzano
67Indicar cuál de los siguientes es un concepto fundamental utilizado al construir árboles de decisión:
1. AEntropía
2. BClustering
3. CRetropropagación
4. DAnticipación
68El atributo que se desea "adivinar" mediante las técncias de clasificación se denomina:
1. ADe entrenamiento
2. BPredictivo
3. CDe decisión
4. DDe clase
69Las técnicas bayesianas son:
1. AAnticipativas
2. BImpacientes
3. CEager
4. DRetardadas
70Indicar cuál de los siguientes es un concepto fundamental relacionado con la evaluación de clasificadores:
1. AMatriz de confusión
2. BProbabilidad condicionada
3. CDistancia
4. DEntropía
71Indicar cuál de los siguientes no es un concepto utilizado al construir árboles de decisión:
1. ACantidad de información
2. BGanancia de información
3. CEntropía
4. DSimilaridad
72Indicar cuál de los siguientes no es un concepto utilizado en la evaluación de clasificadores:
1. AConjunto de Entrenamiento
2. BMatriz de costes
3. CEntropía
4. DMatriz de confusión
73El algoritmo de los k vecinos más próximos es una técnica de clasificación basada en:
1. AReglas de decisión
2. BCasos
3. CDensidad
4. DEl teorema de Bayes
74Indicar cuál de los siguientes es un algoritmo basado en árboles de decisión:
1. APerceptrón Multicapa
2. BBackpropagation
3. CK-medias
4. DCHAID
75Indicar cuál de los siguientes es un algoritmo basado en árboles de decisión:
1. ABackpropagation
2. BApriori
3. CC4.5
4. DK-medias
76Indicar cuál de los siguientes es un algoritmo basado en árboles de decisión:
1. APerceptrón Multicapa
2. BC5.0
3. CK-medias
4. DBackpropagation
77Indicar cuál de los siguientes no es un concepto utilizado al construir árboles de decisión:
1. AGanancia de información
2. BDistancia
3. CCantidad de información
4. DEntropía
78El algoritmo de los k vecinos más próximos no es de tipo:
1. AEager
2. BRetardado
3. CLazy
4. DPerezoso
79El conjunto de datos utilizado para construir un modelo de clasificación se denomina conjunto de:
1. AInformación
2. BPrueba
3. CEntrenamiento
4. DClase
80La 10-fold cross validation es una de las técnicas de evaluación de clasificadores más utilizada e importante.
1. ATrue
2. BFalse
81Al conjunto de datos utilizado para evaluar la calidad de un modelo clasificatorio, se le conoce como conjunto de:
1. AEntrenamiento
2. BPrueba
3. CEntrada
4. DSalida
82Indicar cuál de las siguientes es una aplicación clásica de las técnicas de clasificación:
1. AEstudio de concesión de préstamos
2. BGrupos de clientes similares
3. CGrupos de productos de una empresa
4. DProductos que se compran juntos
83Las técnicas bayesianas no son:
1. APerezosas
2. BRetardadas
3. CLazy
4. DAnticipativas
84La clasificación es una tarea de data mining de tipo:
1. APredictivo
2. BIterativo
3. CDescriptivo
4. DDeductivo
85Indicar qué tipo de técnicas de clustering se basan en la construcción de un árbol de clusters:
1. ABasadas en densidad
2. BBasadas en grid
3. CJerárquicas
4. DParticionales
86En el algoritmo K-medias, un criterio usual para la inicialización de centroides es:
1. ATomar los k elementos centrales
2. BEjecutar un algoritmo de clustering previo para determinarlos
3. CTomar los k últimos elementos
4. DTomar una partición al azar y calcular sus centroides
87Indicar los tipos de puntos considerados por los algoritmos de clustering basado en densidad:
1. ANucleares, Internos y De ruido
2. BCentrales, Fronterizos y Extremos
3. CNucleares, Fronterizos y De ruido
4. DNucleares, Fronterizos y Centrales
88Indicar cuál de las siguientes técnicas de clustering jerárquico es de tipo bottom-up:
1. ADivisivas
2. BDisociativas
3. CAglomerativas
4. DDescendientes
89Indicar cuál de las siguientes es una propiedad deseable en un método de clustering:
Seleccione una:
1. AQue permita descubrir clusters con formas arbitrarias
2. BQue sea específico para un tipo de datos
3. CQue carezca de interpretabilidad
4. DBaja escalabilidad
90Indicar cuál de las siguientes técnicas de clustering jerárquico es de tipo bottom-up:
1. ADescendentes
2. BDivisivas
3. CAcumulativas
4. DDisociativas
91Indicar cuál de las siguientes técnicas de clustering jerárquico es de tipo top-down:
1. AAcumulativas
2. BAscendentes
3. CDesdencentes
4. DAglomerativas
92Indicar cómo se llama el tipo de enlace que, en un método de clustering jerárquico, determina que la distancia entre dos clusters es la máxima distancia entre todos los posibles pares de objetos de dichos clusters:
1. ASimple
2. BCompleto
3. CPromedio
4. DSingle
93La tarea de Data Mining consistente en dividir una población heterogénea en grupos de objetos homogéneos se denomina:
1. AAsociación
2. BRegresión
3. CAgrupamiento
4. DClasificación
94Indicar cuál de las siguientes es una propiedad deseable en un método de clustering:
1. AQue permita descubrir clusters con formas predefinidas
2. BBaja escalabilidad
3. CQue carezca de interpretabilidad
4. DQue no sea específico para un tipo de datos
95La tarea de Data Mining consistente en dividir una población heterogénea en grupos de objetos homogéneos se denomina:
1. AAsociación
2. BRegresión
3. CClasificación
4. DClustering
96Indicar cuál de las siguientes es una propiedad deseable en un método de clustering:
1. AQue sea sensible al orden de los registros procesados
2. BQue funcione bien, tanto con pocos como con muchos registros
3. CQue solo funcione bien con objetos con pocos atributos
4. DQue permita trabajar con datos sin ruido
97Indicar cuál de los siguientes es un algoritmo de clustering basado en grid:
1. ADBSCAN
2. BClique
3. CAGNES
4. DDIANA
98Indicar cuál de los siguientes es un algoritmo de clustering basado en grid:
1. ADIANA
2. BSTING
3. CAGNES
4. DDBSCAN
99Indicar cómo se llama el tipo de enlace que, en un método de clustering jerárquico, determina que la distancia entre dos clusters es la distancia media entre los pares de objetos de dichos clusters:
1. AMedio
2. BPromedio
3. CCompleto
4. DSimple
100Indicar cuál de las siguientes es una propiedad deseable en un método de clustering:
1. AQue sea sensible al orden de los registros procesados
2. BQue permita trabajar con datos con ruido
3. CQue solo funcione bien con pocos con pocos registros
4. DQue solo funcione bien con objetos con pocos atributos
101En el algoritmo K-medias, un criterio usual para la inicialización de centroides es:
1. ATomar los k últimos elementos
2. BTomar los k elementos centrales
3. CEjecutar un algoritmo de clustering previo para determinarlos
4. DTomar los k primeros elementos
102Indicar, de entre las siguientes, cuál es el área de mayor interés para la aplicación de técnicas de clustering:
1. APolítica
2. BAstronomía
3. CPlanificación urbana
4. DBiología
103Indicar cuál de las siguientes es una propiedad deseable en un método de clustering:
1. AQue permita descubrir clusters con formas predefinidas
2. BQue sea específico para un tipo de datos
3. CBaja escalabilidad
4. DQue sus resultados sean interpretables
104Indicar qué tipo de técnicas de clustering se basan el uso de estructuras en forma de rejilla:
1. AParticionales
2. BJerárquicas
3. CBasadas en grid
4. DBasadas en densidad
105Indicar cuál de los siguientes es un algoritmo de clustering jerárquico ascedente:
1. ASTING
2. BDBSCAN
3. CAGNES
4. DDIANA
106Indicar qué tipo de técnicas de clustering se basan en la medición del número de objetos alcanzables desde cada objeto:
1. AJerárquicas
2. BBasadas en grid
3. CBasadas en densidad
4. DParticionales
107Indicar, de entre las siguientes, cuál es el área de mayor interés para la aplicación de técnicas de clustering:
1. APolítica
2. BAstronomía
3. CMarketing
4. DBiología
108ndicar cuál de los siguientes es un algoritmo de clustering jerárquico descendente:
1. AAGNES
2. BSTING
3. CDBSCAN
4. DDIANA
109Indicar cuál de las siguientes técnicas de clustering jerárquico es de tipo top-down:
1. ADivisivas
2. BAscendentes
3. CAglomerativas
4. DAcumulativas
110En el algoritmo K-medoids, el representante de cada grupo se denomina:
1. AMedoid
2. BCentro
3. CRepresentative
4. DCentroide
111El error cuadrático de los puntos de cada cluster es un indicador fiel de la bondad de una segmentación o clustering
1. ATrue
2. BFalse
112La tarea de Data Mining consistente en dividir una población heterogénea en grupos de objetos homogéneos se denomina:
1. AAsociación
2. BRegresión
3. CSegmentación
4. DClasificación
113Indicar cuál de las siguientes es una propiedad deseable en un método de clustering:
1. AQue solo funcione bien con pocos con pocos registros
2. BQue solo funcione bien con objetos con pocos atributos
3. CQue permita trabajar con datos sin ruido
4. DQue sea insensible al orden de los registros procesados
114Indicar cuál de las siguientes es una propiedad deseable en un método de clustering:
1. AQue permita trabajar con datos sin ruido
2. BQue solo funcione bien con pocos con pocos registros
3. CQue sea sensible al orden de los registros procesados
4. DQue funcione bien con objetos con pocos atributos, así como con objetos con muchos atributos
115Indicar, de entre las siguientes, cuál es el área de mayor interés para la aplicación de técnicas de clustering:
1. APolítica
2. BWorld Wide Web
3. CAstronomía
4. DBiología
116La estructura arborescente resultante de un método de clustering jerárquico se denomina:
1. AÁrbol de decisión
2. BDendograma
3. CCentroide
4. DMedoid
117Indicar, de entre las siguientes, cuál es el área de mayor interés para la aplicación de técnicas de clustering:
1. APolítica
2. BAstronomía
3. CBiología
4. DCompañías de seguros
118Indicar cómo se llama el tipo de enlace que, en un método de clustering jerárquico, determina que la distancia entre dos clusters es la mínima distancia entre todos los posibles pares de objetos de dichos clusters:
1. AAverage
2. BPromedio
3. CSimple
4. DCompleto
119El algoritmo K-medias es una técnica de clustering:
1. AJerárquico ascendente
2. BBasada en densidad
3. CJerárquico descendente
4. DParticional
120Indicar cuál de los siguientes es un algoritmo de clustering basado en grid:
1. AAGNES
2. BWaveCluster
3. CDIANA
4. DDBSCAN
121En data mining, el término estándar utilizado para nombrar a un grupo de objetos similares entre sí es:
1. ACluster
2. BGroup
3. CAgrupación
4. DSegmento
122Indicar cuál de las siguientes es una propiedad deseable en un método de clustering:
1. AEscalabilidad
2. BQue permita descubrir clusters con formas predefinidas
3. CQue carezca de interpretabilidad
4. DQue sea específico para un tipo de datos
123Indicar cuál de las siguientes técnicas de clustering jerárquico es de tipo bottom-up:
1. ADivisivas
2. BDescendentes
3. CAscendentes
4. DDisociativas
124Indicar cuál de los siguientes es un algoritmo de clustering basado en densidad:
1. ADBSCAN
2. BSTING
3. CAGNES
4. DDIANA
125Indicar cuál de las siguientes es una propiedad deseable en un método de clustering:
1. AQue permita descubrir clusters con formas predefinidas
2. BBaja escalabilidad
3. CQue sus resultados sean interpretables
4. DQue sea específico para un tipo de datos
126Indicar cuál de las siguientes no es una medida de distancia:
1. ACity-street
2. BMinkowski
3. CManhattan
4. DEuclídea
127La tarea de Data Mining consistente en dividir una población heterogénea en grupos de objetos homogéneos se denomina:
1. ARegresión
2. BAsociación
3. CSegmentación
4. DClasificación
128Indicar cuál de los siguientes es un algoritmo de clustering jerárquico descendente:
1. ADBSCAN
2. BDIANA
3. CAGNES
4. DSTING
129Indicar cuál de las siguientes técnicas de clustering jerárquico es de tipo bottom-up:
1. AAscendentes
2. BDisociativas
3. CDivisivas
4. DDescendentes
130Indicar cuál de los siguientes es un algoritmo de clustering basado en grid:
1. ADBSCAN
2. BDIANA
3. CAGNES
4. DWaveCluster
131Indicar cuál de los siguientes es un tipo de dato no convencional, que requiere de
técnicas de data mining específicas:
1. ASerie temporal
2. BReal
3. CBooleano
4. DEntero
132En data mining, uno de los problemas clásicos de análisis de series temporales es:
1. AEl registro de las series por medio de sensores
2. BEl estudio de la amplitud de las series
3. CEl análisis de los eventos presentes en las series temporales
4. DEl estudio de la periodicidad de las series
133Indicar cuál de los siguientes es un algoritmo que permite abordar la tarea de detección
de atípicos:
1. AApriori
2. BDBSCAN
3. CSETM
4. DApriori TID
134Indicar cuál de los siguientes es un tipo de dato no convencional, que requiere de
técnicas de data mining específicas:
1. ADatos de la Web
2. BBooleano
3. CEntero
4. DReal
135El modelo de regresión y=x+1.5 es de tipo:
1. ALineal
2. BExponencial
3. CLogarítmico
4. DPolinómico
136Indicar cuál de los siguientes es un concepto básico relacionado con las técncias de
asociación:
1. ADetección de atípicos
2. BVariable respuesta
3. CSoporte
4. DSimilaridad
137El análisis de series temporales resulta de gran utilidad para extraer conocimiento a
partir de datos estabilométricos.
1. ATrue
2. BFalse
138En data mining, uno de los problemas clásicos de análisis de series temporales es:
1. ALa comparación entre dos series temporales
2. BEl registro de las series por medio de sensores
3. CEl estudio de la amplitud de las series
4. DEl estudio de la periodicidad de las series
139La minería de datos se ha aplicado sobre una rama de la medicina encargada del
estudio de las enfermedades relacionadas con el equilibrio y el control postural de los
seres humanos. Dicha rama de la medicina se denomina:
1. AEstabilometría
2. BPediatría
3. CCardiología
4. DGinecología
140En data mining, uno de los problemas clásicos de análisis de series temporales es:
1. ALa obtención de modelos de referencia a partir de un conjunto de series
  temporales
2. BEl estudio de la amplitud de las series
3. CEl registro de las series por medio de sensores
4. DEl estudio de la periodicidad de las series
141Indicar cuál de los siguientes es un test posturográfico clásico, del que se ha obtenido
conocimiento tras aplicar técnicas de data mining:
1. ARNS
2. BLIS
3. CLOS
4. DLUS
142Indicar cuál de los siguientes es un algoritmo que permite abordar la tarea de
asociación:
1. AAIS
2. Bk vecinos más próximos
3. CDBSCAN
4. DRegresión lineal
143Las técnicas de data mining que se utilizarían para extraer conocimiento a partir un
mapa geográfico, se denominan:
1. AData Mining Espacial
2. BMinería de Datos Multimedia
3. CWeb Mining
4. DText Mining
144En el campo de la medicina, no existen herramientas de ayuda al diagnóstico que
utilicen técnicas de data mining.
1. ATrue
2. BFalse
145Indicar cuál de los siguientes es un test posturográfico clásico, del que se ha obtenido
conocimiento tras aplicar técnicas de data mining:
1. ALUS
2. BLIS
3. CRWS
4. DRNS
146Uno de los dominios clásicos de aplicación de las series temporales es:
1. ASismografía
2. BAseguradoras
3. CAstronomía
4. DPolítica
147Indicar cuál de los siguientes es un test posturográfico clásico, del que se ha obtenido
conocimiento tras aplicar técnicas de data mining:
1. AUNI
2. BRNS
3. CLIS
4. DLUS
148Indicar cuál de los siguientes es un concepto básico relacionado con las técncias de
asociación:
1. AConjuntos de items frecuentes
2. BDetección de atípicos
3. CVariable respuesta
4. DSimilaridad
149La tarea de data mining que pretende encontrar reglas que relacionan los atributos de
los datos analizados, se llama:
1. ARegresión
2. BAsociación
3. CClustering
4. DDetección de atípicos
150La tarea de data mining que pretende identificar objetos que, dentro de una población,
exhiben características sustancialmente diferentes a la mayoría del resto de objetos de
dicha población, se llama:
1. ADetección de atípicos
2. BClustering
3. CAsociación
4. DRegresión
151Indicar cuál de los siguientes es un tipo de dato no convencional, que requiere de
técnicas de data mining específicas:
1. ADatos multimedia
2. BEntero
3. CBooleano
4. DReal
152Indicar cuál de los siguientes es un algoritmo que permite abordar la tarea de
asociación
1. Ak vecinos más próximos
2. BRegresión lineal
3. CApriori
4. DDBSCAN
153Las técnicas de Web Mining que persiguen la extracción de conocimiento a partir de los
patrones de navegación de los usuarios, son técnicas de:
1. AMinería de los Enlaces
2. BMinería de la Estructura
3. CMinería del Uso
4. DMinería del Contenido
154Indicar cuál de los siguientes es un concepto básico relacionado con las técnicas de
asociación:
1. ASimilaridad
2. BDetección de atípicos
3. CVariable respuesta
4. DConfianza
155El modelo de regresión y=x+3x²+6x³ es de tipo:
1. APolinómico
2. BExponencial
3. CLogaritmico
4. DLineal
156Indicar cuál de los siguientes es un algoritmo que permite abordar la tarea de
asociación:
1. AApriori TID
2. BRegresión lineal
3. Ck vecinos más próximos
4. DDBSCAN
157Indicar cuál de los siguientes es un test posturográfico clásico, del que se ha obtenido
conocimiento tras aplicar técnicas de data mining:
1. ARNS
2. BRWS
3. CLIS
4. DLUS
158Las técnicas de data mining utilizadas para extraer conocimiento a partir de datos
generados en el entorno de la World Wide Web, se denominan
1. AData Mining Espacial
2. BMinería de Datos Multimedia
3. CWeb Mining
4. DText Mining
159En data mining, uno de los problemas clásicos de análisis de series temporales es
1. AEl estudio de la amplitud de las series
2. BEl estudio de la periodicidad de las series
3. CEl registro de las series por medio de sensores
4. DEl análisis de subsecuencias en varias series
160Indicar cuál de los siguientes es un test posturográfico clásico, del que se ha obtenido
conocimiento tras aplicar técnicas de data mining:
1. AUNI
2. BRNS
3. CLIS
4. DLUS
161En los datos estabilométricos se manifiestan eventos de interés que requieren de
técnicas específicas para su análisis.
1. ATrue
2. BFalse
162Indicar cuál de los siguientes es un test posturográfico clásico, del que se ha obtenido
conocimiento tras aplicar técnicas de data mining:
1. ALOS
2. BLIS
3. CLUS
4. DRNS
163Indicar cuál de los siguientes es un tipo de dato no convencional, que requiere de
técnicas de data mining específicas
1. AReal
2. BBooleano
3. CEntero
4. DDatos Espaciales
164La tarea de data mining que pretende predecir el valor de un atributo de tipo
cuantitativo, se llama
1. AAsociación
2. BRegresión
3. CClustering
4. DDetección de Atípicos
165Las técnicas de data mining utilizadas para extraer conocimiento a partir de información
textual no estructurada, se denominan:
1. AMinería de Datos Multimedia
2. BText Mining
3. CWeb Mining
4. DData Mining Espacial
166El análisis de series temporales resulta de gran utilidad para extraer conocimiento a
partir de datos estabilométricos
1. ATrue
2. BFalse
167Indicar cuál de los siguientes es un concepto básico relacionado con las técnicas de
asociación:
1. ADetección de atípicos
2. BSimilaridad
3. CPropiedad apriori
4. DVariable respuesta
168Uno de los dominios clásicos de aplicación de las series temporales es:
1. APolítica
2. BAseguradoras
3. CMedicina
4. DAstronomía
169La minería de datos se ha aplicado sobre una rama de la medicina encargada del
estudio de las enfermedades relacionadas con el equilibrio y el control postural de los
seres humanos. Dicha rama de la medicina se denomina:
1. ACardiología
2. BEstabilometría
3. CGinecología
4. DPediatría
170El modelo de regresión y=5x+3x²+2 es de tipo:
1. ALogarítmico
2. BLineal
3. CExponencial
4. DPolinómico
171Indicar cuál de los siguientes es un algoritmo que permite abordar la tarea de
asociación
1. ASETM
2. BDBSCAN
3. CRegresión lineal
4. Dk vecinos más próximos
172Indicar cuál de los siguientes es un concepto básico relacionado con las técncias de
asociación
1. AVariable respuesta
2. BSoporte
3. CSimilaridad
4. DDetección de atípicos
173Indicar cuál de los siguientes es un concepto básico relacionado con las técnicas de
asociación:
1. ADetección de atípicos
2. BSimilaridad
3. CVariable respuesta
4. DPropiedad apriori
174La tarea de data mining que pretende predecir el valor de un atributo de tipo
cuantitativo, se llama
1. ADetección de atípicos
2. BRegresión
3. CAsociación
4. DClustering
175Indicar cuál de los siguientes es un algoritmo que permite abordar la tarea de detección
de atípicos
1. ADBSCAN
2. BSETM
3. CApriori TID
4. DApriori
176La tarea de data mining que pretende identificar objetos que, dentro de una población,
exhiben características sustancialmente diferentes a la mayoría del resto de objetos de
dicha población, se llama
1. AClustering
2. BAsociación
3. CRegresión
4. DDetección de atípicos
177Las técnicas de data mining utilizadas para extraer conocimiento a partir de imágenes,
videos, etc., se denominan
1. AWeb Mining
2. BMinería de Datos Multimedia
3. CText Mining
4. DData Mining Espacial
178Las técnicas de Web Mining que persiguen la extracción de conocimiento a partir de los
patrones de navegación de los usuarios
1. AMinería del Contenido
2. BMinería de los Enlaces
3. CMinería de la Estructura
4. DMinería del Uso
179Uno de los dominios clásicos de aplicación de las series temporales es
1. APolitica
2. BAstronomia
3. CEconomia
4. DAseguradoras
180Las técnicas de Web Mining que persiguen la extracción de conocimiento a partir de la
información contenida en los sitios web
1. AMinería de la Estructura
2. BMinería del Uso
3. CMinería del Contenido
4. DMinería de los Enlaces
181Indicar cuál de los siguientes es un test posturográfico clásico, del que se ha obtenido
conocimiento tras aplicar técnicas de data mining
1. ALOS
2. BLUS
3. CLIS
4. DRNS
182En los datos estabilométricos se manifiestan eventos de interés que requieren de
técnicas específicas para su análisis
1. ATrue
2. BFalse
183En el campo de la medicina, no existen herramientas de ayuda al diagnóstico que
utilicen técnicas de data mining
1. ATrue
2. BFalse
184Indicar cuál de los siguientes es un test posturográfico clásico, del que se ha obtenido
conocimiento tras aplicar técnicas de data mining
1. ALIS
2. BLUS
3. CRNS
4. DRWS
185Indicar cuál de los siguientes es un test posturográfico clásico, del que se ha obtenido
conocimiento tras aplicar técnicas de data mining:
1. ALUS
2. BLIS
3. CUNI
4. DRNS
186Las sucesiones de valores que representan la evolución de una característica en un lapso de tiempo se denominan
1. ASeries temporales
2. BDocumentos
3. CDatos multimedia
4. DDatos espaciales
187Las descripciones textuales de objetos como, por ejemplo, resúmenes, obras literarias completas, etc. se denominan
1. ADatos multimedia
2. BSeries temporales
3. CDocumentos
4. DDatos espaciales
188El objetivo de la minería de datos es obtener
1. AReconocimiento
2. BConocimiento
3. CDatos
4. DInformación
189La estatura en centímetros de una persona es un atributo de tipo
1. ADiscreto
2. BOrdinal
3. CNominal
4. DContinuo
190Indicar cuál de las siguientes no es una característica del conocimiento extraído por medio del proceso de KDD
1. AÚtil
2. BNo Trivial
3. CPreviamente
4. DImplícito
191Indicar cuál de las siguientes no es una característica del conocimiento extraído por medio del proceso de KDD
1. AInútil
2. BÚtil
3. CNo trivial
4. DImplícito
192 Indicar cuál de las siguientes no es una tarea de Data Mining
1. ARegresión
2. BClasificación
3. CK-medias
4. DClustering
193El algoritmo AGNES pertenece al grupo de los algoritmos de clustering
1. ABasado en densidad
2. BBasado en grid
3. CJerárquico
4. DParticional
194La minería de datos se basa en un aprendizaje de tipo deductivo hasta llegar al conocimiento buscado
1. ATrue
2. BFalse
195Un método de detección de atípicos basado en el análisis de grupos de objetos similares entre sí, es un método
1. ADensidad
2. BClustering
3. CProximidad
4. DAproximaciones estadísticas
196Para realizar Minería de Datos, la BBDD debe:
1. ATener un esquema de estructura normalizada obligatoriamente
2. BLa BBDD no puede ser redundante
3. CLas tablas no pueden contener duplicidades
4. DUsar un esquema de almacenamiento desnormalizado
197Indique cuál de estas es condición fundamental para realizar minería de datos:
1. APrivacidad
2. BIndependencia
3. CExclusividad
4. DContinuidad
198Las principales tareas descriptivas del Data Mining son...
1. AClustering, Asociación y Regresión
2. BClasificación, asociación y detección de atípicos
3. CClustering, Asociación y detección de atípicos
4. DClustering, clasificacion y Asociación
199El algoritmo de los k vecinos más próximos es el más extendido de:
1. ATécnicas basadas en casos
2. BTécnicas Bayesianas
3. CClustering particional
4. DClustering jerárquico

Information

Description: Quiz on MINERIA DE DATOS, created by Javier Correa Santos on 18/01/2016.
Author: Javier Correa Santos
Language: Español
Views: 17
Tags: mineria de datosrrhh
Rating: No ratings yet
Rate this quiz
Rate this quiz

MINERIA DE DATOS

Create a free account to finish this quiz

Questions in this quiz (199)

Information

Feedback

What do you think of the new look?