Comprensión de Datos en CRISP-DM

¿Cuál es el objetivo principal de la etapa de comprensión de los datos?

• Crear el modelo predictivo

• Limpiar los datos de forma definitiva

• Familiarizarse y evaluar la calidad de los datos

• Implementar el modelo en producción

¿Cuál de las siguientes tareas NO forma parte de esta etapa?

• Recolección de los datos iniciales

• Verificación de la calidad de los datos

• Entrenamiento del modelo

• Descripción de los datos

En CRISP-DM, la comprensión de los datos es la etapa número:

• 1

• 2

• 3

• 4

¿Qué herramienta se usa comúnmente para la exploración de datos?

• AutoCAD

• Python (pandas, seaborn)

• Photoshop

• WordPress

¿Cuál es un indicador común para detectar valores atípicos?

• Boxplot

• Diagrama de Gantt

• Diagrama de flujo

• Árbol de decisión

¿Qué se debe hacer antes de aplicar modelos predictivos?

• Publicar el informe

• Entender los datos disponibles

• Cambiar el software

• Eliminar todas las variables

¿Qué tipo de gráfico es útil para ver la distribución de una variable numérica?

• Diagrama de Venn

• Mapa de calor

• Histograma

• Diagrama de dispersión

¿Qué significa EDA?

• Exploración de Datos Académicos

• Análisis Exploratorio de Datos

• Evaluación de Datos Atípicos

• Estadística de Datos Avanzados

¿Cuál es una técnica útil para detectar relaciones entre variables numéricas?

• Tabla de frecuencia

• Matriz de correlación

• Histograma

• Diagrama de cajas

¿Cuál es un problema típico que se identifica en esta etapa?

• Sobreajuste del modelo

• Datos faltantes

• Selección de algoritmos

• Interpretación de predicciones