Quizziz Machine Learning

Seleccione la alternativa que no es parte del aprendizaje supervisado.

• Regresión.

• Clustering.

• Clasificación.

Seleccione el método que no es parte del aprendizaje no supervisado.

• K nearest neighbors(KNN)

• K-means

• PCA

¿Cuántos son los casos falsos positivos?

• 50

• 150

• 40

• 240

¿Cuánto es la Asertividad Positiva o Precisión en la matriz de confusión?

• 240/390

• 200/240

• 300/390

• 200/250

¿Cuál de los siguientes se considera un algoritmo de aprendizaje profundo?

• K-Means

• Regresión Logística

• Redes Neuronales Convolucionales (CNN)

• • Máquinas de Soporte Vectorial (SVM)

¿Qué tipo de modelo de machine learning se utiliza para reducir la dimensionalidad de los datos?

• Regresión Logística

• Máquinas de Soporte Vectorial (SVM)

• K-Nearest Neighbors (KNN)

• Análisis de Componentes Principales (PCA)

¿Cuál de los siguientes algoritmos se utiliza comúnmente para el agrupamiento de datos?

• Regresión Lineal

• K-Means

• Árboles de Decisión

• Máquinas de Soporte Vectorial (SVM)

¿Qué tipo de aprendizaje se caracteriza por entrenar un modelo sin etiquetas explícitas para las entradas?

• Aprendizaje Supervisado

• • Aprendizaje No Supervisado

• • Aprendizaje Reforzado

• • Aprendizaje Semi-Supervisado

¿Qué es el overfitting en un modelo de Machine Learning?

• Ajuste adecuado del modelo a los datos de entrenamiento y prueba.

• Captura eficiente de patrones en los datos de prueba.

• Ajuste excesivo del modelo a los datos de entrenamiento, perdiendo capacidad de generalización.

• Subajuste del modelo, resultando en un rendimiento deficiente en los datos de prueba.

¿Qué objetivo principal tiene la regularización en un modelo de machine learning?

• Aumentar la complejidad del modelo para ajustarse mejor a los datos de entrenamiento.

• Penalizar los coeficientes de las características para evitar el overfitting.

• Minimizar la precisión del modelo en el conjunto de entrenamiento.

• Aumentar el tamaño del conjunto de entrenamiento para mejorar la generalización.