Tema 1 - AA3

El método de oversampling...

• Consiste en reducir muestras de la clase mayoritaria hasta que el dataset se balancee

• Consiste en reducir muestras de la clase minoritaria hasta que el dataset se balancee

• Consiste en aumentar muestras de la clase minoritaria hasta que el dataset se balancee

• Consiste en aumentar muestras de la clase mayoritaria hasta que el dataset se balancee

Una báscula se queda sin pila y produce datos perdidos para algunos participantes...

• Es MCAR

• Es MAR

• Es MNAR

Tenemos una báscula que a veces no funciona cuando está sobre una superficie blanda, y tenemos los datos de qué superficie estamos usando. ¿Qué tipo de pérdida produce?

• MCAR

• MAR

• MNAR

La discretización puede ser dinámica o estática, dependiendo de si se considera un subconjunto de las muestras o todas ellas

• Verdadero

• Falso

Una de las ventajas de los métodos de selección de características es que facilita la interpretabilidad y transparencia de los datos

• Verdadero

• Falso

Dentro de la selección de características, los filtros son independientes del clasificador, mientras que embebidos y wrappers son dependientes del clasificador

• Verdadero

• Falso

ReliefF es un método de tipo embebido, ya que el proceso de selección va intrínseco en el entrenamiento de un kNN (vecino más próximo)

• Verdadero

• Falso

El sesgo en el muestreo puede ocurrir cuando tenemos datos desbalanceados

• Verdadero

• Falso

Los métodos "cost-sensitive" para tratar el desbalanceo de los datos, necesitan definir una matriz de confusión para codificar la penalización de clasificar erróneamente las muestras

• Verdadero

• Falso

Dos de las soluciones más populares para tratar datos perdidos son extracción de datos e imputación de datos

• Verdadero

• Falso