Cuestionario sobre Modelos y Algoritmos

¿Qué es PCA (Análisis de Componentes Principales)?

• Es una técnica de reducción de dimensionalidad que busca transformar un conjunto de variables correlacionadas en un nuevo conjunto de variables no correlacionadas (componentes principales).

• Es un algoritmo de clustering utilizado para agrupar datos similares.

• Es una técnica de optimización que ajusta los valores de un modelo de regresión.

• Es un método de aprendizaje supervisado que predice una variable de salida.

¿Qué es un modelo de regresión lineal?

• Es un modelo estadístico que asume que la relación entre las variables independientes y dependientes es lineal.

• Es un modelo en el que se predicen múltiples salidas a partir de una sola entrada.

• Es un modelo basado en redes neuronales que aprende relaciones no lineales.

• Es un modelo en el que las salidas están relacionadas exponencialmente con las entradas.

¿Qué es la normalización de datos?

• Es el proceso de ajustar los datos a un rango específico, normalmente entre 0 y 1, para que todos los valores de las variables sean comparables.

• Es el proceso de eliminar todos los valores atípicos de un conjunto de datos.

• Es el proceso de agregar ruido a los datos para aumentar su diversidad.

• Es el proceso de reducir el número de características en un conjunto de datos mediante PCA.

¿Qué es un modelo de clasificación?

• Es un tipo de modelo que predice etiquetas o categorías para nuevos datos en función de un conjunto de entrenamiento.

• Es un modelo que predice valores continuos basados en los datos de entrada.

• Es un modelo que agrupa datos en un número predeterminado de clusters.

• Es un modelo que calcula las probabilidades de un evento usando una distribución gaussiana.

¿Qué es una matriz de confusión?

• Es una tabla que se usa para evaluar el rendimiento de un modelo de clasificación, mostrando las predicciones correctas e incorrectas en comparación con las clases reales.

• Es un gráfico que muestra la distribución de datos en diferentes categorías.

• Es una técnica para normalizar los datos en un espacio de características.

• Es una matriz utilizada en modelos de regresión para calcular el error cuadrático medio.

¿Qué es el overfitting (sobreajuste)?

• Es cuando un modelo aprende demasiado bien los detalles y el ruido del conjunto de entrenamiento, lo que resulta en un mal rendimiento en nuevos datos no vistos.

• Es cuando un modelo no captura suficientes patrones en los datos de entrenamiento, resultando en un modelo subajustado.

• Es cuando un modelo se ajusta perfectamente a los datos de prueba, pero no puede generalizar.

• Es un método de regularización utilizado para reducir la complejidad del modelo.

¿Qué es un algoritmo de k-means?

• Es un algoritmo de clustering que divide un conjunto de datos en k grupos basados en la distancia a los centroides de los clusters.

• Es un algoritmo de clasificación supervisada que asigna etiquetas a los datos.

• Es un algoritmo de regresión utilizado para predecir una variable dependiente.

• Es un algoritmo de reducción de dimensionalidad que calcula componentes principales.

¿Qué es el teorema de los grandes números y cómo influye en la ciencia de datos?

• El teorema de los grandes números establece que el tamaño de la muestra no influye en los resultados del modelo.

• El teorema de los grandes números establece que los datos de una muestra son siempre representativos de la población.

• El teorema de los grandes números predice el comportamiento de los valores extremos de los datos en lugar de la media.

• El teorema de los grandes números establece que a medida que el tamaño de la muestra aumenta, la media de la muestra se aproxima a la media poblacional, lo que mejora la precisión de los modelos basados en datos.

¿Qué es una red neuronal convolucional y cómo se utiliza para procesamiento de imágenes?

• Una red neuronal convolucional es un modelo de clasificación que solo se usa con datos unidimensionales.

• Las redes neuronales convolucionales se utilizan para generar datos en lugar de clasificarlos.

• Las redes neuronales convolucionales realizan transformaciones lineales de los datos para mejorar la precisión del modelo.

• Una red neuronal convolucional es un tipo de red neuronal diseñada para reconocer patrones espaciales en datos, especialmente útil en el procesamiento de imágenes, donde se utilizan capas convolucionales para extraer características.

¿Cuál de las siguientes definiciones son correctas según lo visto en clase?

• Si el coeficiente aaa es positivo, la parábola es convexa, y si aaa es negativo, la parábola es cóncava.

• Si el coeficiente aaa es negativo, la parábola siempre será convexa.

• Si el coeficiente aaa es positivo, la parábola siempre será cóncava.

• El coeficiente aaa no afecta la forma de la parábola.