NUCLIO DS - Regresión

Selecciona los casos en los que SÍ deberíamos aplicar una regresión (respuesta múltiple):

• Predecir el PRECIO del tomate mañana

• Predecir si un tomate es APTO/NO APTO para consumo

• Predecir cuantas PERSONAS van a comprar tomates

• Predecir el TIEMPO que necesita un tomate para madurar

En una regresión, ¿cual es la métrica más típica para evaluar el modelo?

• SSR:

  Suma de Errores Cuadrados

• RMSE:

  Raíz Error Absoluto Medio

• AUC:

  Area Under the Curve

¿Como se denomina el término constante de una regresión lineal?

• Parámetro lineal

• Error

• Intercept

¿Qué % del dataset original se suele reservar para el test set?

• 3%

• Entre 15%-30%

• Entre 50%-70%

¿Por qué es importante estandarizar en modelos lineales?

• Estos modelos no toleran datasets sin estandarizar

• Agiliza el cálculo computacional

• Elimina el efecto predominante de las variables a mayor escala en el modelo

¿Qué problema afecta al modelo de la imagen?

• Underfitting

• Overfitting

• Regularización

¿En qué consiste la regularización?

• Penalizar la complejidad del modelo para evitar overfitting

• Restringir el número de variables con las que entrenar

• Reducir el error del modelo en el entrenamiento

¿Cual NO es un modelo de regresión?

• Red Neuronal

• Ridge

• Regresión Logística

• XGBoost

Al evaluar tu REGRESIÓN LINEAL obtienes el siguiente resultado:

RMSE train: 5.2

RMSE test: 200.7

¿Qué es lo primero que haces para intentar mejorar el RMSE test?

• Aplico regularización

• Elimino outliers

• Pruebo un modelo de árbol de decisión

¿Cuales son las principales ventajas del XGBoost (respuesta multiple)?

• Versátil

• Rápido

• Fácilmente interpretable

• Control del overfitting