Free Printable Álgebra y regresión lineal

1.

Se tiene información sobre el riesgo de incidencia de hospitalización para 1000 pacientes, donde se consideran 24 factores en el cálculo de riesgo. ¿De qué tamaño sería la matriz de datos en notación aumentada?

a)

1000 x 24

b)

24 x 1000

c)

1000 x 25

d)

1000 x 1

2.

Si tenemos un dato $x_i\in\ \mathbb{R}^{1\times\ 4}$ para un modelo de regresión lineal para n datos $y\ =\ Xw$ donde X está en notación aumentada ¿De qué dimensionalidad es w?

a)

1 x 5

b)

1 x 4

c)

4 x 1

d)

5 x 1

3.

Regresión lineal SOLO se puede resolver usando mínimos cuadrados

a)

verdadero

b)

falso

4.

La función de mínimos cuadrados es convexa y continuamente diferenciable

a)

verdadero

b)

falso

5.

Regresión lineal con el penalizador L1 (Lasso regression) tiene solución analítica

a)

verdadero

b)

falso

6.

Si tenemos un modelo de regresión lineal y=2x+4 ¿Cómo se ve el vector de pesos? considera $x=\left[1,\ x_1,\ x_2,\ ...,\ x_d\right]$

a)

[2, 4]

b)

[2]

c)

[4]

d)

[4, 2]

7.

Si se tiene un modelo w=[-1, 2] y un datapoint x=3 considerando el primer elemento como sesgo, ¿Cual sería la predicción de regresión lineal?

(a)

8.

Si se tiene un modelo w=[-2, 3, 1] y un datapoint x=[3, 4] considerando el primer elemento como sesgo, ¿Cual sería la predicción de regresión lineal?

(a)

9.

Para un vector de pesos w=[2, -1, 3] y un dataset $\left\{\left(x_1=\left[3,-2\right],\ y=-2\right),\left(x_2=\left[-1,4\right],y=10\right)\right\}$ considerando el primer elemento como sesgo, ¿Cual es la prediccion $y_1^{hat}$ ? (guarda la respuesta)

(a)

10.

Para un vector de pesos w=[2, -1, 3] y un dataset $\left\{\left(x_1=\left[3,-2\right],\ y=-2\right),\left(x_2=\left[-1,4\right],y=10\right)\right\}$ considerando el primer elemento como sesgo, ¿Cual es la prediccion $y_2^{hat}$ ? (guarda la respuesta)

(a)

11.

Para un vector de pesos w=[2, -1, 3] y un dataset $\left\{\left(x_1=\left[3,-2\right],\ y=-2\right),\left(x_2=\left[-1,4\right],y=10\right)\right\}$ considerando el primer elemento como sesgo, ¿Cual es el costo L1 total del dataset?

(a)

12.

Si multiplicamos una matriz de (m x n) con una de (n x p), ¿De qué tamaño es la matriz resultante?

a)

n x p

b)

m x p

c)

n x n

d)

m x n

13.

Si A y B son matrices, ¿Cuál de las siguientes funciones de numpy realizan una multiplicación de matrices?

a)

np.multiply(A, B)

b)

A * B

c)

A @ B

d)

np.dot(A, B)

14.

Considera las matrices $A\ \in\ \mathbb{R}^{m\times n}$ , $B\in\mathbb{R}^{m\times p}$ y $C\in\mathbb{R}^{1\times p}$ , podemos:

a)

Sumar B y C matemáticamente

b)

Sumar B y C en numpy

c)

Sumar B y A en numpy

d)

Sumar B y A matemáticamente

15.

El gradiente de $\left(yx^2+6y\right)^{10}$ es

(a)

16.

El gradiente de $xy\ +\ y^3$ con respecto a x, y evaluado en 'x=-5' y 'y=2' es:

(a)

Álgebra y regresión lineal

Total questions: 16

Worksheet time: 26mins

Similar Resources on Wayground