Preguntas generales IA

¿Qué es un modelo de regresión?

• Un método para clasificar imágenes

• Un método para predecir valores continuos

• Una técnica para mejorar redes neuronales

• Un algoritmo de reducción de dimensionalidad

¿Cuál es el objetivo de un modelo de regresión lineal?

• Minimizar el error cuadrático medio

• Clasificar los datos en categorías

• Maximizar la entropía

• Encontrar la matriz de covarianza

¿Qué es una variable categórica?

• Una variable que toma valores numéricos continuos

• Una variable que representa grupos o categorías

• Una variable que es independiente

• Una variable que no se usa en el modelo

¿Qué modelo de clasificación es más adecuado para datos linealmente separables?

• Redes neuronales profundas

• Aprendizaje por refuerzo

• Regresión logística

• Redes convolucionales

¿Qué es la regresión polinomial?

• Una regresión que usa un solo término lineal

• Un modelo de regresión donde la relación entre variables se representa mediante una ecuación polinómica

• Un tipo de red neuronal

• Un método para reducir la dimensionalidad

¿Qué ocurre si se incrementa demasiado el grado en una regresión polinomial?

• El modelo mejora siempre

• El modelo es más estable

• Puede ocurrir sobreajuste

• La predicción es más precisa

¿Qué modelo sería más adecuado reducir la dimensionalidad?

• Árboles de decisión

• Análisis de Componentes Principales (PCA)

• Redes neuronales convolucionales

• Regresión polinomial

Para problemas de regresión con una relación NO lineal entre variables, ¿cuál de estos modelos es más adecuado?

• Regresión polinomial

• Regresión lineal

• • K-means

• Máquinas de soporte vectorial

¿Cuál de estos modelos es más adecuado para problemas de clasificación donde los datos tienen una estructura jerárquica de decisiones?

• Regresión logística

• Análisis de Componentes Principales (PCA)

• K-means

• Árbol de decisión

¿Qué modelo es recomendado para clasificación multiclase de imágenes?

• Redes neuronales convolucionales (CNN)

• K-means

• Regresión logística

• Bosques aleatorios