Cuestionario Regresion Lineal, FC, Parametros

¿Qué es la regresión lineal?

• Un método para clasificar datos en categorías.

• Un algoritmo de aprendizaje no supervisado

• Un modelo que predice una variable dependiente basándose en una o más variables independientes.

• Un algoritmo de agrupamiento de datos.

¿Cuál es el objetivo principal de la regresión lineal?

• Encontrar la mejor línea de ajuste para minimizar el error de predicción.

• Clasificar datos en categorías predefinidas.

• Reducir la dimensionalidad de los datos.

• Agrupar datos similares sin etiquetas.

En regresión lineal, ¿qué representa el término "Error Cuadrático Medio" (MSE)?

• Una métrica que mide la variabilidad de los datos de entrada.

• La diferencia absoluta entre los valores predichos y reales.

• La suma de los errores dividida entre la cantidad de datos.

• La media del cuadrado de la diferencia entre valores reales y predichos.

¿Qué significa cuando un modelo de regresión tiene un alto error cuadrático medio (MSE)?

• Que las predicciones del modelo son muy precisas.

• Que hay una gran diferencia entre los valores reales y los predichos.

• Que el modelo está sobreajustado a los datos.

• Que los datos están perfectamente ajustados.

¿Cuál es el propósito principal de la función de costo en regresión lineal?

• Maximizar la variabilidad en los datos.

• Clasificar los datos en diferentes grupos.

• Reducir la cantidad de datos utilizados en el modelo.

• Encontrar la mejor línea de ajuste minimizando la diferencia entre valores predichos y reales.

¿Cuál es la función de costo más utilizada en regresión lineal?

• Entropía cruzada

• Error absoluto medio (MAE)

• Error cuadrático medio (MSE)

• Distancia euclidiana

¿Cómo se calcula el Error Cuadrático Medio (MSE)?

• Promediando los valores de la variable dependiente yyy

• Sumando las diferencias absolutas entre los valores predichos y reales.

• Elevando al cuadrado la diferencia entre valores predichos y reales, y luego promediando.

• Multiplicando los valores reales con los valores predichos y dividiendo entre el número de datos.

¿Por qué se eleva al cuadrado la diferencia en el cálculo del MSE?

• Para penalizar errores grandes más que los pequeños.

• Para hacer que la función de costo sea lineal.

• Para reducir la cantidad de datos de entrada.

• Para convertir el problema en una clasificación.

La función de costo mide qué tan bien el modelo está ajustando los datos.

• Verdadero

• Falso

Un menor valor de la función de costo indica un peor ajuste del modelo.

• Verdadero

• Falso