You've learned this already. ✅
Click here to view the next lesson.
Quiz Parte 3: Limpieza de Datos y Preprocesamiento
Respuestas
- b) Umbral de Varianza
- c) Reindexar los datos a una frecuencia regular y usar rellenado hacia adelante o hacia atrás
- c) La proporción de la varianza del conjunto de datos capturada por cada componente principal
- c) Codificar características con patrones cíclicos, como el día de la semana
- c) Se basan en el entrenamiento del modelo para determinar la importancia de las características
- b) Análisis de Componentes Principales (PCA)
- c) Umbral de Correlación
- c) Cuando se necesita capturar efectos de interacción entre características
- c) Puede penalizar en exceso las características, lo que potencialmente lleva a un subajuste
- b) Para asegurarse de que las características seleccionadas generalicen bien a nuevos datos
Respuestas
- b) Umbral de Varianza
- c) Reindexar los datos a una frecuencia regular y usar rellenado hacia adelante o hacia atrás
- c) La proporción de la varianza del conjunto de datos capturada por cada componente principal
- c) Codificar características con patrones cíclicos, como el día de la semana
- c) Se basan en el entrenamiento del modelo para determinar la importancia de las características
- b) Análisis de Componentes Principales (PCA)
- c) Umbral de Correlación
- c) Cuando se necesita capturar efectos de interacción entre características
- c) Puede penalizar en exceso las características, lo que potencialmente lleva a un subajuste
- b) Para asegurarse de que las características seleccionadas generalicen bien a nuevos datos
Respuestas
- b) Umbral de Varianza
- c) Reindexar los datos a una frecuencia regular y usar rellenado hacia adelante o hacia atrás
- c) La proporción de la varianza del conjunto de datos capturada por cada componente principal
- c) Codificar características con patrones cíclicos, como el día de la semana
- c) Se basan en el entrenamiento del modelo para determinar la importancia de las características
- b) Análisis de Componentes Principales (PCA)
- c) Umbral de Correlación
- c) Cuando se necesita capturar efectos de interacción entre características
- c) Puede penalizar en exceso las características, lo que potencialmente lleva a un subajuste
- b) Para asegurarse de que las características seleccionadas generalicen bien a nuevos datos
Respuestas
- b) Umbral de Varianza
- c) Reindexar los datos a una frecuencia regular y usar rellenado hacia adelante o hacia atrás
- c) La proporción de la varianza del conjunto de datos capturada por cada componente principal
- c) Codificar características con patrones cíclicos, como el día de la semana
- c) Se basan en el entrenamiento del modelo para determinar la importancia de las características
- b) Análisis de Componentes Principales (PCA)
- c) Umbral de Correlación
- c) Cuando se necesita capturar efectos de interacción entre características
- c) Puede penalizar en exceso las características, lo que potencialmente lleva a un subajuste
- b) Para asegurarse de que las características seleccionadas generalicen bien a nuevos datos