SESION 10

¿Qué es necesario para el aprendizaje supervisado?

• a) Datos sin etiquetas

• b) Etiquetas y datos sin etiquetas

• c) Solamente etiquetas

• d) Solamente datos sin etiquetas

¿Qué función se utiliza durante el entrenamiento para medir qué tan bien está haciendo el modelo sus predicciones?

• a) Función de optimización

• b) Función de activación

• c) Función de costo

• d) Función de clasificación

¿Qué paso se realiza después de recolectar y limpiar los datos?

• a) Selección del modelo

• b) Entrenamiento del modelo

• c) Evaluación del modelo

• d) Preparación de los datos

¿Cuál es uno de los objetivos del ajuste de hiperparámetros?

• a) Maximizar la función de costo

• b) Minimizar la precisión del modelo

• c) Optimizar el rendimiento del modelo

• d) Reducir la complejidad del modelo

¿En qué tipo de aprendizaje el modelo aprende a través de recompensas y penalizaciones?

• a) Aprendizaje supervisado

• b) Aprendizaje no supervisado

• c) Aprendizaje semi-supervisado

• d) Aprendizaje por refuerzo

¿Qué tipo de problemas resuelve principalmente el algoritmo de regresión logística?

• a) Predicción de valores continuos

• b) Clasificación binaria y multiclase

• c) Estimación de ventas basada en el precio

• d) Determinación del rendimiento de cultivos

¿Cuál de los siguientes algoritmos es conocido por su capacidad para manejar tanto problemas de clasificación como de regresión?

• a) Bosque aleatorio

• b) Regresión lineal

• c) K-vecino más cercano

• d) Aumento de gradiente

¿Qué algoritmo es adecuado para predecir la probabilidad de que ocurra un evento como hacer clic en un anuncio?

• a) Regresión lineal

• b) Árbol de decisión

• c) K-vecino más cercano

• d) Regresión logística

¿Cuál de los siguientes algoritmos se basa en la combinación secuencial de múltiples árboles de decisión débiles?

• a) Regresión lineal

• b) Aumento de gradiente

• c) K-vecino más cercano

• d) Árbol de decisión

¿Qué algoritmo se utiliza comúnmente para problemas donde la cercanía en el espacio de características es crucial para la predicción?

• a) Regresión lineal

• b) K-vecino más cercano

• c) Regresión logística

• d) Bosque aleatorio