Machine Learning

¿Qué es Machine Learning (ML)?

• Un conjunto de reglas fijas programadas por un humano.
• Un sistema que aprende automáticamente a partir de datos.
• Una base de datos que organiza la información en tablas.
• Un algoritmo que nunca cambia con el tiempo.

Answer explanation

ML es la disciplina que permite a los sistemas aprender patrones de datos sin estar explícitamente programados.

¿Cuál de los siguientes es un tipo de aprendizaje supervisado?

• Clustering.
• Regresión lineal.
• Reducción de dimensionalidad.
• Aprendizaje por refuerzo.

Answer explanation

La regresión lineal es un método de aprendizaje supervisado porque utiliza datos etiquetados.

La ecuación de la regresión lineal simple es:

• y = mx + b
• y = 1 / (1+e^{-x})
• y = ax^2 + bx + c
• y = Σ(xi - x̄)^2

Answer explanation

La regresión lineal simple sigue la forma y = mx + b, donde m es la pendiente y b la intersección.

En regresión lineal, el coeficiente de la variable independiente (pendiente) representa:

• La probabilidad de ocurrencia del evento.
• La variación en y cuando x aumenta en una unidad.
• El error cuadrático medio.
• El intercepto de la recta.

Answer explanation

La pendiente muestra cuánto cambia la variable dependiente cuando la independiente aumenta en una unidad.

¿Qué métrica penaliza más los errores grandes en regresión?

• MAE.
• MSE.
• Accuracy.
• R².

Answer explanation

El MSE eleva al cuadrado los errores, dando más peso a los errores grandes.

El coeficiente de determinación R² mide:

• La proporción de varianza explicada por el modelo.
• La media de los errores absolutos.
• La suma de los residuos al cuadrado.
• La pendiente de la recta.

Answer explanation

R² indica qué tanto de la variación de la variable dependiente es explicada por el modelo.

La regresión logística se utiliza principalmente para:

• Predecir valores continuos.
• Resolver problemas de clasificación binaria.
• Agrupar datos sin etiquetas.
• Medir correlaciones entre variables.

Answer explanation

La regresión logística transforma los datos para resolver problemas de clasificación binaria.

La función sigmoide en regresión logística transforma los valores en:

• Números enteros.
• Probabilidades entre 0 y 1.
• Valores categóricos.
• Números negativos.

Answer explanation

La función sigmoide asigna cualquier número real a un valor entre 0 y 1, útil para probabilidades.

Si un modelo de clasificación tiene alta precisión (precision), significa que:

• De todos los positivos predichos, la mayoría son correctos.
• De todos los positivos reales, la mayoría fueron encontrados.
• El modelo no comete errores grandes.
• Se minimizan los falsos negativos.

Answer explanation

La precisión mide la proporción de verdaderos positivos entre todos los positivos predichos.

¿Cuál de estas métricas NO se utiliza en problemas de clasificación como la regresión logística?

• Accuracy.
• Recall.
• RMSE.
• F1-score.

Answer explanation

El RMSE es una métrica de regresión, no se aplica a clasificación.