Clasificación_ML

¿Cuál de los siguientes modelos es lineal?

• Árbol de decisión
• SVM
• Perceptrón
• Bosques aleatorios

¿Qué función de pérdida utiliza la regresión logística en Scikit-learn?

• Hinge loss
• Cross-entropy
• Squared error
• Absolute error

¿Cuál es el objetivo de la función max_depth en un árbol de decisión?

• Limitar el número de características en el árbol
• Limitar la profundidad del árbol para evitar el sobreajuste
• Controlar el tamaño de la muestra para cada división
• Determinar el número de árboles en el bosque

¿Cuál es la principal diferencia entre Perceptrón y SVM?

• Ambos son iguales
• El Perceptrón puede funcionar con datos no lineales
• SVM maximiza el margen entre clases, el Perceptrón no
• SVM se usa solo en regresión

En Scikit-learn, ¿qué hiperparámetro en SVM controla la regularización?

• gamma
• C
• kernel
• degree

¿Cuál de estos es un hiperparámetro que se puede ajustar en bosques aleatorios?

• alpha
• min_samples_split
• eta
• threshold

¿Cuál de las siguientes métricas es adecuada para evaluar un modelo de clasificación?

• R2
• RMSE
• Accuracy
• MSE

¿Qué representa el hiperparámetro n_estimators en un bosque aleatorio?

• Número de árboles en el bosque
• Número de hojas por árbol
• Profundidad del árbol
• Número de divisiones en el árbol

¿Cuál de las siguientes afirmaciones es verdadera acerca de los árboles de decisión?

• Siempre dan el mismo resultado sin importar el conjunto de datos
• Pueden trabajar bien con datos no lineales
• Solo funcionan con variables numéricas
• Son modelos de regresión

¿Qué efecto tiene un valor alto de C en un modelo SVM?

• Permite márgenes más amplios
• Permite márgenes más estrechos
• Hace el modelo más rápido de entrenar
• Limita la profundidad del árbol