Examen sobre Modelos de Machine Learning

¿Cuál de los siguientes modelos es supervisado?

• K-Means Clustering

• PCA

• Regresión Logística

• DBSCAN

¿Cuál de los siguientes problemas es típico de un modelo entrenado con datos desbalanceados?

• Baja precisión general

• Modelos muy lentos

• Modelo sesgado hacia la clase mayoritaria

• Sobreajuste hacia la clase minoritaria

¿Qué caracteriza a un modelo no supervisado?

• Se entrena con datos etiquetados

• Se entrena con datos no etiquetados

• Se utiliza para hacer predicciones futuras

• Requiere grandes cantidades de datos de salida

¿Qué técnica se utiliza para generar ejemplos sintéticos en problemas de datos desbalanceados?

• Oversampling

• Subsampling

• SMOTE

• Random Forest

¿Qué modelo es adecuado para la reducción de dimensionalidad en datos no etiquetados?

• Regresión Lineal

• Árboles de Decisión

• PCA

• Regresión Logística

¿Cuál de los siguientes es un ejemplo de un algoritmo no supervisado?

• Support Vector Machines (SVM)

• K-Nearest Neighbors (KNN)

• Gradient Boosting

• K-Means

¿Qué técnica modifica el umbral de decisión en modelos supervisados para mejorar el rendimiento en la clase minoritaria?

• Submuestreo

• Ajuste de clase mayoritaria

• Cambio de umbral de decisión

• Ensamblaje de modelos

¿Qué métrica es más apropiada para evaluar modelos en datasets desbalanceados?

• Accuracy

• AUC-ROC

• Mean Squared Error

• R-Squared

¿Cuál es el objetivo principal del modelo de regresión logística?

• Predecir valores continuos

• Clasificación multiclase

• Clasificación binaria

• Reducir la dimensionalidad de los datos

¿Qué hace el algoritmo Gradient Boosting en cada nueva iteración?

• Reduce el tamaño de los datos

• Corrige los errores cometidos por los modelos anteriores

• Aumenta la regularización del modelo

• Genera nuevos ejemplos sintéticos