Modelos de Regresión

¿Cuáles de estás opciones son parámetros de un modelo de regresión lineal?

• Los coeficientes correspondientes a cada variable independiente.

• La ordenada al origen.

• El valor de cada variable independiente.

• El valor estimado de la variable a predecir.

¿Cuáles de estas afirmaciones son verdaderas acerca de la regresión lineal SIMPLE?

• Encuentra el mínimo absoluto del error cuadrático medio.

• Puede graficarse el modelo aprendido.

• Cada una de las múltiples variables independientes tiene un coeficiente asociado.

Dibuje el resultado de un modelo de regresión entrenado sobre estos datos

¿Cuáles de estas métricas sirven para evaluar un modelo de regresión?

• MSE

• Cross Entropy

• RMSE

¿Qué tipo de variables deben ser convertidas a dummy (one-hot) para llevar adelante una regresión lineal?

• Numéricas Discretas

• Categóricas Ordinales

• Categóricas Nominales

• Numéricas Continuas

En la regresión lineal con regularización vamos a preferir...

• ...un modelo con error bajo y coeficientes bajos.

• ...un modelo con error bajo y coeficientes altos.

• ...un modelo con error alto y coeficientes bajos.

• ...un modelo con error alto y coeficientes altos.

¿Cuáles de estas técnicas de regularización reducen los coeficientes, pero sin llegar a 0?

• Lasso

• Ridge

• L1

• L2

La siguiente fórmula define la función a minimizar en elastic-net. ¿Cualés componentes son hiperparámetros?

¿Cuáles de estos objetos en sklearn implementan regresiones lineales?

• LinearRegression()

• Lasso()

• Ridge()

• ElasticNet()