Domande Metodi per il marketing

Domande metodi per il marketing

Questionario

1. Quale delle seguenti affermazioni è vera per i modelli KNN:

• Diminuendo il valore di K diminuisce la varianza
• Aumentando il valore di K diminuisce la varianza
• K e varianza non sono legate
• Nessuna di queste

2. Quale dei seguenti step è indispensabile per utilizzare un modello XGBoost?

• Convertire le variabili in numeriche
• Assicurarsi che le variabili indipendenti abbiano una distribuzione normale
• Gestire gli outlier
• Imputare i missing values

3. Per quali caratteristiche un modello Random Forest potrebbe avere migliori performance rispetto ad un modello ad Albero?

• Può limitare l'overfitting
• Maggiore sensibilità ai falsi positivi
• Nessuno di questi
• Può contribuire ad interpretare meglio l'importanza delle variabili

4. Supponiamo un dataframe con X e Y come variabili esplicative e Class come variabile dipendente (valori "+", "-"). Assumendo un modello KNN con K=3, una nuova osservazione con valori x=1 e y=1 come classifichereste la nuova osservazione?

• Class -
• Class +
• Non è possibile dare una risposta

5. Quale delle seguenti affermazioni è falsa per i modelli ad Albero?

• Gli output sono difficili da interpretare
• È un modello parametrico
• Non è possibile ricavare l'importanza delle variabili
• È rilevante il rischio di overfitting

6. In un modello di Random Forest si procede:

• Scegliendo in modo casuale le variabili da considerare nei diversi alberi
• Scegliendo le variabili a maggiore varianza
• Scegliendo in modo casuale la profondità degli alberi
• Scegliendo in modo casuale le osservazioni da inserire nei diversi alberi

7. Supponete di avere un database con N variabili indipendenti e di costruire 2 modelli: un modello utilizzando l'algoritmo di segmentazione ad albero ed un modello Random Forest, per il primo modello avete usato un sottoinsieme A di variabili e per il secondo un sottoinsieme B, quale delle seguenti affermazioni è vera?

• Non è possibile alcun confronto
• A < B
• A >= B
• A molto più grande di B

8. Quale delle seguenti affermazioni è VERA in relazione all'algoritmo KNN? Scegli una o più alternative:

• È sensibile alla varianza delle variabili dipendenti
• È utilizzabile solo con variabili indipendenti categoriche
• È sensibile all'unità di misura delle variabili dipendenti
• È un algoritmo parametrico

9. In base alla figura seguente quale valore scegliereste per K in un modello KNN?

• 20
• Maggiore di 10
• Minore di 10
• 10

10. Quali delle seguenti affermazioni sono VERE con riferimento ai modelli KNN?

• Si tratta di un algoritmo parametrico
• Troppe variabili possono rendere meno performante l'algoritmo
• L'algoritmo non richiede alcuna ipotesi circa la distribuzione delle variabili
• L'algoritmo può essere utilizzato per problemi di classificazione

11. La normalizzazione delle variabili è un passo importante prima di applicare l'algoritmo K-Medie, per quale motivo?

• Per una migliore interpretazione dei risultati
• Nel calcolo delle distanze tutte le variabili avranno lo stesso peso
• Utile solo se si usa la distanza Euclidea
• Per accelerare l'esecuzione dei calcoli

12. Considerando l’immagine successiva dove abbiamo rappresentato l’output di alcuni modelli di classificazione, quale modello evidenzia un problema di overfitting?

• Modello a destra
• Modello al centro
• Modello a sinistra

13. Come possiamo controllare il rischio di overfitting nei modelli ad Albero? Scegli un'alternativa:

• Alzando la soglia minima di osservazioni presenti in ogni foglia
• Abbassando la soglia minima di osservazioni presenti in ogni nodo perché possa essere diviso
• Fissando un seme casuale
• Misurando l’entropia del modello

14. Specificare una matrice dei costi in un modello ad albero implica. Scegli un'alternativa:

• Influenza la sensibilità e la specificità
• Non influenza l'accuratezza del modello
• Aumenta la robustezza del modello
• Modificare le probabilità a priori dell'evento

15. Nella scelta del valore K nei modelli KNN è opportuno considerare che:

• Un valore troppo grande porta ad un elevato rischio di overfitting
• Un valore troppo grande non permette di cogliere piccole differenze rilevanti
• Scegliere un valore basso non permette di cogliere appieno la variabilità del fenomeno

16. Nei modelli Random Forest rispetto a quello ad albero, quali parametri posso modificare che non ha senso modificare nell’albero?

• Numero di alberi da inserire nel modello
• Percentuale di osservazioni/variabili inserite nel modello (?)
• Max depth dell’albero

17. Qual è una delle condizioni fondamentali per poter usare le variabili nel KNN?

• Normalizzare le variabili
• Standardizzare le variabili

18. Posso usare delle variabili categoriche nel modello KNN?

• Sì (ma solo se trasformate in dummy)
• No

19. Che tipo di trasformazione devo fare per poter usare le variabili categoriche nel KNN?

• Trasformazione in variabile dummy
• Logaritmo delle categoriche

20. Qual è il valore ottimale di K?

• Osservazioni/2
• Moltiplicato x numero delle variabili
• Non esiste

21. Qual è il valore rispetto al quale definite una variabile simmetrica oppure asimmetrica?

• 0
• 3
• 5

22. Quale dei seguenti modelli presenta una particolare sensibilità relativamente alla simmetria delle variabili continue:

• Regressione logistica
• KNN
• XG Boosting

23. Quale di questi modelli non ha come output una probabilità:

• Modello ad albero -> da una probabilità
• XG Boosting
• KNN

24. È meglio utilizzare:

• Gini
• Entropia
• Chi quadro
• Nessuno è migliore (dipende dal contesto)

25. Limiti della cross validation troppo elevato:

• Generalizza i risultati
• Appesantisce l’albero (perché dopo un po’ prende o no determinate combinazioni)
• Rende l’albero troppo predittivo
• Numero limitato di rami

26. Se devo sistemare l’albero cos’è meglio?

• È meglio limitare il cp
• Sulla max depth aumentandola
• Porre un minimo di foglie
• Una qualunque combinazione
• Nessuna di queste in particolare

27. Albero grosso, qual è il rischio:

• Non stimare correttamente i dati missing
• Essere complicati da parametri da stimare
• Overfitting

28. Apprendimento supervisionato e non supervisionato:

• Si differenziano in funzione della tipologia della variabile target
• Si differenziano per la presenza o meno di una variabile target
• L’apprendimento supervisionato viene utilizzato in presenza di database con un numero elevato di osservazioni

29. Considerando la matrice guadagno e la curva di lift in figura, quale delle seguenti affermazioni è vera:

• Il primo 20% delle osservazioni permette di cogliere una proporzione del target di circa 4 volte maggiore rispetto ad un’estrazione casuale
• Considerando il primo 20% delle osservazioni si raggiunge circa l’80% del target
• Il 50% delle osservazioni si raggiunge circa 80% del target
• Tutte le precedenti

30. La presenza di outlier nel dataframe:

• Rende meno efficienti i modelli ad albero
• Diminuisce le osservazioni utilizzabili nei modelli regressivi
• Tutte le precedenti
• Influenza in modo rilevante i modelli KNN

31. La specificità misura:

• Valori negativi stimati su valori negativi reali
• Valori negativi su valori positivi stimati
• L’accuratezza complessiva della stima ottenuta

32. Il punto B sulla curva di ROC identifica:

• Un’accuratezza dell’80%
• Denota un modello con una specificità circa del 25% e una sensibilità del 60%
• Una proporzione dei falsi positivi circa del 25%
• Una sensibilità inferiore al modello casuale

33. Dovendo prevedere un evento che ha una frequenza del 12% qual è il valore massimo del lift che posso ottenere al 20%?

• Massimo 5
• Massimo 2
• Non superiore a 3

34. Dovendo classificare i clienti rispetto alla propensione ad acquistare una determinata categoria di prodotti, inserendo una matrice dei costi nel modello:

• Garantisco che il modello sarà robusto
• Modifico la soglia rispetto alla quale classificare i clienti che acquisteranno
• Permetto al modello di limitare un rischio di overfitting

35. Di seguito sono riportati tre grafici a dispersione per due variabili. In quali casi parliamo di multicollinearità?

• Secondo grafico
• Primo e terzo grafico
• Primo grafico
• Primo e secondo grafico