KNN_2

Según esta matriz de confusión,

¿cuál sería la exactitud (accuracy)?

• 0.92

• 0.77

• 0.80

• 0.37

¿Cuál de las siguientes afirmaciones es correcta acerca de la

Validación Cruzada

• Es especialmente importante cuando el número de registros es reducido

• Reduce el sobreajuste

• Ayuda a estimar mejor el valor K

• Todas las anteriores son correctas

En el uso de KNN para problemas de regresión

• Se estimará una variable categórica

• Se aproximará un valor numérico usando la matriz de confusión

• El algoritmo aproximará una salida numérica

• KNN no se puede usar para problemas de regresión

¿Cómo se eligen los K vecinos en problemas de regresión con KNN?

• El valor K se estima en función de los aciertos en las predicciones

• Se hacen varias ejecuciones con diferentes valores de K y se toma el modelo más apropiado

• K se obtiene según el error más bajo sobre los residuales obtenidos con el conjunto de test

• K se obtiene según el error más bajo sobre los residuales obtenidos con el conjunto de validación

En la figura se aprecia una regresión (trazo azul)

¿Dirías que el modelo obtenido es correcto?

• Sí, porque es capaz de seguir todos los datos con precisión

• Sí, porque la media de los valores está representada con la linea negra

• No, porque el modelo está sobreajustado

• No, porque el modelo está subajustado