Machine Learning III

¿Cómo se llama la función del modulo sklearn que sirve para splittear entre train y test?

sklearn.[selectione_el_nombre_del_modulo]

• train_test_split

• data_partitioner

• split_data

• train_test_divide

• train.test.split

¿Cuál es la principal diferencia entre los modelos paramétricos y no paramétricos?

• Los modelos paramétricos hacen suposiciones específicas sobre la distribución de los datos, mientras que los no paramétricos no lo hacen.

• Los modelos paramétricos son siempre más precisos que los no paramétricos.

• Los modelos paramétricos no pueden manejar datos categóricos, mientras que los no paramétricos sí pueden.

• Los modelos paramétricos se usan exclusivamente en el aprendizaje no supervisado, mientras que los no paramétricos se usan en el aprendizaje supervisado.

En el algoritmo de KNN (K-Vecinos más Cercanos), ¿es necesario fijar el K de antemano (antes de hacer predicciones)?

• Verdadero

• Falso

• Depende del valor que tome K

• Depende del tamaño del conjunto de datos

En los modelos de KNN, a mayor K, hay ​ (a)   varianza y ​ (b)   sesgo, y se observa una frontera de decisión más ​ (c)   , lo que resulta en un modelo más ​ (d)   .

• menor
• mayor
• suave
• simple
• rígida/o
• compleja/o
• igual

¿Cuál de las siguientes NO es una ventaja de los modelos de árboles de decisión?

• Son fáciles de interpretar

• Su entrenamiento es rápido

• Manejan bien datos continuos y categóricos

• Manejan bien outliers

• No tienen tendencia a overfittear

La curva ROC representa la proporción de ​​ (a)   (en y) v.s. la de ​ (b)   (en x).

• Verdaderos Positivos
• Falsos Positivos
• Falsos Negativos
• Verdaderos Negativos

¿Cuál es el módulo de sklearn que contiene la función KMeans?

Responder todo en minúscula y sin espacios: sklearn._______

Suponiendo que tenemos un conjunto de datos X ya cargados en memoria, ordenar los siguientes bloques de código siguiendo la lógica top-down:

• print("Datos transformados:", X_pca)

• from sklearn.decomposition import PCA

• X_pca = pca.transform(X)

• pca = PCA(n_components=2)

• pca.fit(X)

Log Loss es una función de pérdida para ​ (a)  

• clasificación
• clustering
• regresión
• series temporales

Considerando la siguiente arquitectura de red neuronal, ¿Cuál es la dimensión de la 3ra capa?

• 3x4

• 4x3

• 5x4

• 4x5

• 3x1