En Gradient Boosting, ¿qué hace el parámetro n_estimators?

• Ajusta la tasa de aprendizaje

• Controla la profundidad máxima

• Cambia el criterio de división

• Define el número de árboles en el modelo

¿Cuál es el efecto de un learning rate demasiado alto en una Red Neuronal?

• El modelo converge lentamente pero con más precisión

• El modelo generaliza mejor

• No afecta el entrenamiento

• El modelo puede no converger y oscilar

¿Qué significa max_features en Random Forest?

• Máximo número de árboles

• Número máximo de variables a considerar en cada división

• Profundidad máxima del árbol

• Número de observaciones

¿Qué hace el algoritmo PCA?

• Entrena modelos más rápido

• Clasifica imágenes

• Reduce dimensionalidad manteniendo la mayor varianza posible

• Ajusta hiperparámetros automáticamente

En un problema de clasificación binaria, ¿cuál es la fórmula del recall?

• TP / (TP + FP)

• TP / (TP + FN)

• FP / (FP + TN)

• TN / (TN + FN)

En K-Means, ¿qué significa el hiperparámetro k?

• Número de variables

• Número máximo de iteraciones

• Número de clusters a formar

• Número de centroides iniciales descartados

En clustering jerárquico, ¿qué significa el hiperparámetro linkage?

• Número de clusters

• Estrategia para medir la distancia entre grupos

• Número de iteraciones

• Profundidad máxima

¿Qué es el grid search?

• Un tipo de algoritmo de clustering

• Búsqueda exhaustiva de combinaciones de hiperparámetros

• Reducción de dimensionalidad

• Visualización de datos

¿Qué es el overfitting?

• Cuando el modelo se ajusta demasiado a los datos de entrenamiento

• Cuando el modelo aprende lo justo y generaliza bien

• Cuando el modelo entrena muy rápido

• Cuando el modelo tiene pocos parámetros

¿Qué hace el algoritmo K-Means?

• Clasifica datos etiquetados

• Agrupa datos en k clusters según su similitud

• Reduce dimensionalidad

• Calcula la probabilidad de un evento