Preguntas sobre Modelos de Aprendizaje

¿Cuál es un indicador claro de overfitting en un modelo?

• Alto rendimiento en entrenamiento y bajo en test

• Bajo rendimiento en entrenamiento y alto en test

• Alto rendimiento en entrenamiento pero bajo en test

• Bajo rendimiento en ambos conjuntos

¿Qué porcentaje se recomienda comúnmente para dividir un dataset en entrenamiento y prueba inicial?

• 50% entrenamiento - 50% prueba

• 70% entrenamiento - 30% prueba

• 90% entrenamiento - 10% prueba

• 40% entrenamiento - 60% prueba

¿Qué caracteriza al underfitting?

• Alta varianza

• Alto sesgo (bias)

• Baja precisión en entrenamiento

• Sobreoptimización en test

¿Cómo se puede solucionar el underfitting?

• Reducir la complejidad del modelo

• Aumentar la complejidad del modelo (ej: más capas en una red neuronal)

• Eliminar características relevantes

• Usar menos datos de entrenamiento

¿Qué método de validación divide el dataset en "k" subconjuntos y entrena el modelo "k" veces?

• Holdout

• k-Fold Cross-Validation

• Bootstrap

• Leave-One-Out

¿Para qué tipo de problemas se recomienda usar "Stratified k-Fold"?

• Regresión con variables continuas

• Clasificación con clases desbalanceadas

• Clustering jerárquico

• Reducción de dimensionalidad

¿Cuál es la diferencia principal entre el conjunto de validación y el de prueba?

• El de validación nunca se usa en el proceso de modelado.

• El de validación ajusta hiperparámetros; el de prueba evalúa el modelo final.

• El de prueba se usa para entrenar el modelo.

• Ambos conjuntos tienen el mismo propósito.

¿Qué algoritmo de clasificación busca maximizar el margen entre clases?

• Naive Bayes

• Support Vector Machine (SVM)

• Random Forest

• Regresión Lineal

¿Qué algoritmo es más adecuado para predecir ventas mensuales de un producto usando características como precio y publicidad?

• Regresión Lineal

• K-Nearest Neighbors (K-NN)

• Support Vector Machine (SVM)

• Naive Bayes

El aprendizaje supervisado permite

• Realizar operaciones de clasificación y regresión en base a una secuencia de pasos y con valores etiquetados

• Cuantificar situaciones a partir de una regresión linea

• Aplicar modelos de ARIMA para realizar proyecciones

• Aplicar SARIMAX para series de tiempo compleja y derivadas