Quizalize logo
placeholder image to represent content

Quiz Clustering y Tecnicas de Validación

Quiz by PAULA ANDREA PEREZ TORO

Feel free to use or edit a copy

includes Teacher and Student dashboards

Measure skills
from any curriculum

Tag the questions with any skills you have. Your dashboard will track each student's mastery of each skill.

With a free account, teachers can
  • edit the questions
  • save a copy for later
  • start a class game
  • automatically assign follow-up activities based on students’ scores
  • assign as homework
  • share a link with colleagues
  • print as a bubble sheet

Our brand new solo games combine with your quiz, on the same screen

Correct quiz answers unlock more play!

New Quizalize solo game modes
16 questions
Show answers
  • Q1
    ¿Que es un Cluster?
    Medida de dispersión heterogenea que relaciona la disimilitud
    Medida de similitud
    Agrupación homogenea de cierta similitud entre si
    120s
  • Q2
    Los algoritmos de Agrupamiento o Clustering pertenecen a la familia de los algoritmos:
    No supervisados
    Supervisados
    120s
  • Q3
    Los algoritmos de agrupamiento basados en centroides tienen como desventaja:
    Se construyen por medio de una organización jerarquica de los datos
    Senbilidad a datos atipicos y condiciones iniciales
    120s
  • Q4
    ¿Como elegimos el número de clusters en el algoritmo de agrupamiento de tipo jerarquico?
    Se inicializa el número de clusters
    Se elige dividiendo ramas
    120s
  • Q5
    "Este tipo de clustering tiene como objetivo modelar formas arbitrarias". Esta afirmación a que tipo de algoritmo de Agrupamiento corresponde:
    Basado en distribuciones
    Basado en jerarquias
    Basado en centroides
    Basado en densidades
    120s
  • Q6
    En el algoritmo K-Medias ¿como se asigna una muestra a un cluster?
    La distancia más pequeña entre la muestra y el centroide
    La desviación más pequeña de las distancias
    La distancia más grande entre la muestra y el centroide
    120s
  • Q7
    ¿Como deifniremos o asignaremos el parametro "k" en K-Medias?
    Sera igual al número de datos en cada cluster
    Se elegira dividiendo ramas
    Sera asignado al principio por el usuario
    120s
  • Q8
    ¿Como se inicializan los centroides en K-Medias?
    De manera aleatoria se escogen k puntos
    Se eleigen el número de centroides de manera aleatoria
    Se inicializa todo en cero para evitar confusiones
    120s
  • Q9
    ¿Que haremos en el "Paso E" del algoritmo K-Medias?
    Definiremos nuestro problema de optimización basado en la maximización de la suma de las distancias
    Asignaremos cada dato al cluster más cercano
    Actualizamos los centroides para cada cluster
    120s
  • Q10
    ¿Que haremos en el "Paso M" del algoritmo K-Medias?
    Asignaremos cada dato al cluster mas cercano
    Definiremos nuestro problema de optimización basado en la maximización de la suma de las distancias
    Actualizamos los centroides para cada cluster
    120s
  • Q11
    "Entre menor sea la diferencia de altura en un dendograma, más disimilutud presentará"
    Verdadero
    Falso
    120s
  • Q12
    "Entre mayor sea la diferencia de altura en un dendograma, más similutud presentará"
    Verdadero
    Falso
    120s
  • Q13
    Una caracteristica del complete linkage en clustering jerarquico es:
    Calcula la distancia entre elementos más distantes
    Calcula la distancia entre elementos más cercanos
    Promedio de las distancias entre todos los pares de puntos
    120s
  • Q14
    Si selecciono un porcentaje de datos de manera aleatoria
    Bootstraping
    Validación Cruzada
    Leave One Out
    120s
  • Q15
    Si tengo en validación cruzada 5 particiones de la base de datos. ¿Cuantas particiones utilizaré para el conjunto de prueba o test en una iteración?
    4
    1
    3
    120s

Teachers give this quiz to your class