Clase_ML1_RECAP

Clase_ML1_RECAP

Professional Development

10 Qs

quiz-placeholder

Similar activities

Modelo OSI y TCP/IP

Modelo OSI y TCP/IP

Professional Development

13 Qs

Normalización en las redes locales

Normalización en las redes locales

Professional Development

14 Qs

Fundamentos de la IA

Fundamentos de la IA

Professional Development

10 Qs

DW y Análisis Multidimensional

DW y Análisis Multidimensional

Professional Development

14 Qs

. Comprender la infraestructura de seguridad en la red

. Comprender la infraestructura de seguridad en la red

Professional Development

13 Qs

MLQ-Bootcamp

MLQ-Bootcamp

Professional Development

8 Qs

TALLER SQL

TALLER SQL

Professional Development

10 Qs

Capa de aplicación 1

Capa de aplicación 1

Professional Development

11 Qs

Clase_ML1_RECAP

Clase_ML1_RECAP

Assessment

Quiz

Computers

Professional Development

Hard

Created by

Paula González

Used 7+ times

FREE Resource

10 questions

Show all answers

1.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Cuál de las siguientes técnicas es más adecuada para identificar combinaciones inusuales de múltiples características en un conjunto de datos?

Boxplots

Desviación estándar

DBSCAN

Z-score

2.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Cuál es la principal ventaja de utilizar el algoritmo SMOTE para manejar datos desequilibrados?

Reduce el tamaño del conjunto de datos, mejorando la eficiencia del modelo.

Genera nuevas instancias sintéticas que pueden mejorar la capacidad del modelo para generalizar.

Introduce sesgos si los valores imputados no representan adecuadamente la distribución de los datos originales.

Es más fácil y menos costoso de implementar que otras técnicas de balanceo

3.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Qué técnica de transformación es más adecuada para reducir la asimetría (skewness) en datos positivamente sesgados?

Transformación cuadrada

Transformación cúbica

Transformación lineal

Transformación logarítmica

4.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Cuál de las siguientes afirmaciones sobre el algoritmo KNN es correcta?

KNN es un algoritmo paramétrico que hace suposiciones sobre la distribución de los datos.

KNN puede ser lento para grandes conjuntos de datos debido a la necesidad de calcular distancias entre todos los puntos de datos.

KNN es sensible a la escala de los datos, por lo que no es necesario normalizar los datos antes de usarlo.

KNN siempre calcula la distancia euclidiana al punto más cercano y clasifica así al nuevo punto.

5.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

El error de Tipo I se corresponde con....

Falsos Positivos

Verdaderos Negativos

Verdaderos Positivos

Falsos Negativos

6.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Cuál es la principal ventaja de utilizar el algoritmo de árboles aleatorios (Random Forest) en comparación con un solo árbol de decisión?

Reduce el riesgo de sobreajuste al promediar múltiples árboles de decisión.

Es más rápido de entrenar y evaluar que un solo árbol de decisión.

No requiere la normalización de los datos antes de su uso.

Utiliza técnicas de clustering para agrupar datos similares.

7.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Cuál de las siguientes afirmaciones sobre el área bajo la curva (AUC) de una curva ROC es correcta?

AUC < 0.5 indica un modelo con cierta capacidad de discriminación.

AUC = 1 indica un modelo sin capacidad de discriminación, equivalente al azar.

AUC > 0.5 indica un modelo con alta capacidad de discriminación.

AUC = 0.5 indica un modelo perfecto con capacidad de discriminación perfecta.

Create a free account and access millions of resources

Create resources
Host any resource
Get auto-graded reports
or continue with
Microsoft
Apple
Others
By signing up, you agree to our Terms of Service & Privacy Policy
Already have an account?