WorksheetsClasificación_ML
Total questions: 15
Worksheet time: 8mins
Name
Class
Date
1.
¿Cuál de los siguientes modelos es lineal?
a)
Árbol de decisión
b)
SVM
c)
Perceptrón
d)
Bosques aleatorios
2.
¿Qué función de pérdida utiliza la regresión logística en Scikit-learn?
a)
Hinge loss
b)
Cross-entropy
c)
Squared error
d)
Absolute error
3.
¿Cuál es el objetivo de la función max_depth en un árbol de decisión?
a)
Limitar el número de características en el árbol
b)
Limitar la profundidad del árbol para evitar el sobreajuste
c)
Controlar el tamaño de la muestra para cada división
d)
Determinar el número de árboles en el bosque
4.
¿Cuál es la principal diferencia entre Perceptrón y SVM?
a)
Ambos son iguales
b)
El Perceptrón puede funcionar con datos no lineales
c)
SVM maximiza el margen entre clases, el Perceptrón no
d)
SVM se usa solo en regresión
5.
En Scikit-learn, ¿qué hiperparámetro en SVM controla la regularización?
a)
gamma
b)
C
c)
kernel
d)
degree
6.
¿Cuál de estos es un hiperparámetro que se puede ajustar en bosques aleatorios?
a)
alpha
b)
min_samples_split
c)
eta
d)
threshold
7.
¿Cuál de las siguientes métricas es adecuada para evaluar un modelo de clasificación?
a)
R2
b)
RMSE
c)
Accuracy
d)
MSE
8.
¿Qué representa el hiperparámetro n_estimators en un bosque aleatorio?
a)
Número de árboles en el bosque
b)
Número de hojas por árbol
c)
Profundidad del árbol
d)
Número de divisiones en el árbol
9.
¿Cuál de las siguientes afirmaciones es verdadera acerca de los árboles de decisión?
a)
Siempre dan el mismo resultado sin importar el conjunto de datos
b)
Pueden trabajar bien con datos no lineales
c)
Solo funcionan con variables numéricas
d)
Son modelos de regresión
10.
¿Qué efecto tiene un valor alto de C en un modelo SVM?
a)
Permite márgenes más amplios
b)
Permite márgenes más estrechos
c)
Hace el modelo más rápido de entrenar
d)
Limita la profundidad del árbol
11.
¿Qué representa el hiperparámetro max_features en un bosque aleatorio?
a)
Número total de árboles
b)
Número de características seleccionadas para cada división
c)
Profundidad máxima del bosque
d)
Número de hojas por árbol
12.
¿Para qué se usa el hiperparámetro min_samples_split en un árbol de decisión?
a)
Controla el número mínimo de características por nodo
b)
Controla el número mínimo de muestras para crear una división
c)
Determina la profundidad máxima del árbol
d)
Controla el número de muestras por hoja
13.
¿Cuál de las siguientes métricas puede usarse para evaluar modelos de clasificación desbalanceados?
a)
Precision
b)
R2
c)
RMSE
d)
Mean Squared Error
14.
¿Qué parámetro de un modelo de regresión logística permite aplicar regularización L1 o L2 en Scikit-learn?
a)
max_iter
b)
penalty
c)
solver
d)
class_weight
15.
¿Cuál es una ventaja de los bosques aleatorios sobre los árboles de decisión individuales?
a)
Mayor rapidez en el entrenamiento
b)
Mayor interpretabilidad
c)
Mayor estabilidad y precisión
d)
Menor complejidad computacional
100 %
