Cuestionario: Clustering

7 preguntas conceptuales y situacionales con corrección inmediata, explicación y segundo intento.

01¿Por qué escalar antes de K-Means?

APara que una variable grande no domine distancias BPara crear etiquetas CPara eliminar centroides DPara garantizar causalidad

02K-Means requiere definir:

ACantidad K BClase positiva CHorizonte temporal siempre DCoeficiente causal

03¿Qué representa la altura de una fusión en un dendrograma?

ALa distancia según el linkage BLa cantidad de columnas CEl promedio objetivo DLa fecha de creación

04PCA garantiza clusters correctos.

ASí BNo CSolo con dos componentes DSolo sin escalar

05¿Qué ventaja aporta DBSCAN?

ADetecta formas por densidad y ruido BSiempre produce grupos iguales CNo usa parámetros DSupervisa con etiquetas

06Un segmento accionable debe:

ASer solo visualmente atractivo BPoder describirse, alcanzarse y tratarse CTener siempre igual tamaño DMaximizar únicamente inercia

07Los clusters cambian por completo al quitar 5 % de las filas. ¿Qué conclusión corresponde?

ALa segmentación es robusta BLa solución es inestable y no debe operarse aún CPCA garantiza validez DHay causalidad

Resultado 0 / 7

Revisar glosario

Ciencia de Datos para Decisiones de Negocio

Material elaborado por el profesor Sergio Gevatschnaider.