SEBASTIAN ZAMBRANO
Test
1. Completa esta sentencia con la opción correcta: «La clasificación mediante árboles
de decisión es una tarea de aprendizaje de tipo [...]»: A. Supervisado.
B. No-supervisado.
C. Supervisado y no-supervisado.
D. Ninguna de las anteriores.
2. Indica cuáles de las siguientes afirmaciones son verdaderas:
A. El algoritmo ID3 permite valores numéricos en los atributos.
B. El algoritmo C4.5 permite valores numéricos en los atributos de salida.
C. Los algoritmos ID3 y C4.5 permiten valores nominales en los atributos de
salida.
D. El algoritmo C4.5 permite valores numéricos y nominales en los atributos de
entrada.
3. Marca de las siguientes opciones aquellas en las que resulta adecuado utilizar un
árbol de decisión en la tarea de aprendizaje:
A. No se conoce la clase de las instancias disponibles.
B. La función objetivo tiene valores de salida discretos.
C. Existen varios atributos de salida.
D. Los datos de entrenamiento contienen errores.
4. Indica cuál de las siguientes afirmaciones es correcta:
A. El método de selección de los atributos especifica una heurística para
seleccionar el atributo que mejor discrimina los ejemplos para una clase.
B. Un algoritmo básico de construcción de árboles de decisión recibe como
entrada los datos de entrenamiento y los atributos de las instancias, y obtiene
como salida un método de selección de atributos.
C. El método codicioso es un método de selección de atributos.
D. C4.5 no utiliza un método de selección de atributos.
SEBASTIAN ZAMBRANO
5. Cuando se tienen atributos con un gran número de posibles valores ¿qué método de
selección de atributos conviene utilizar? A. Ganancia de información.
B. Proporción de ganancia.
C. Indice Gini.
D. Longitud de descripción mínima.
6. Indica cuáles de las siguientes afirmaciones son correctas respecto a ID3:
A. ID3 se basa en el método codicioso o greedy.
B. ID3 considera como heurística que el atributo cuyo conocimiento aporta
mayor información en la predicción de la clase es el más útil. C. ID3 utiliza la
medida de proporción de ganancia.
D. ID3 trabaja con un espacio de hipótesis incompleto.
7. Indica cuáles de las siguientes afirmaciones son correctas respecto a ID3: A. ID3
siempre encuentra la mejor solución.
B. ID3 es robusto frente a errores en los datos.
C. ID3 Sitúa los atributos que proporcionan mayor ganancia de información más
cerca de la raíz.
D. ID3 en su forma básica crea el árbol de decisión clasificando correctamente
todos los datos de entrenamiento.
8. Indica cuáles de las siguientes afirmaciones son correctas respecto a C4.5: A. C4.5
utiliza la medida de proporción de ganancia.
B. C4.5 utiliza un método de prepoda.
C. C4.5 poda el árbol utilizando datos de prueba.
D. C4.5 realiza una poda una vez se ha generado el árbol.
9. Indica cuáles de las siguientes afirmaciones son correctas respecto al método de
validación cruzada:
A. Utiliza un conjunto de datos de validación y un conjunto de datos de
entrenamiento.
B. La validación cruzada divide los datos disponibles en dos subconjuntos.
C. La validación cruzada no se puede utilizar para evaluar la efectividad de una
poda.
D. Cuando se tienen pocos datos no conviene utilizar la validación cruzada con k
iteraciones.
SEBASTIAN ZAMBRANO
10. Indica cuáles de las siguientes afirmaciones son correctas respecto a las medidas
de precisión en la clasificación:
A. La tasa de error de una muestra es el cociente entre el número de
instancias erróneamente clasificadas y el número total de instancias.
B. Cuanto mayor sea el número de instancias, el intervalo de confianza será
mayor.
C. 4.5 utiliza los propios datos de entrenamiento para calcular la tasa de
error.
D. Cuanto mayor nivel de confianza se requiere se obtiene un intervalo de
confianza menor.
