Regresión y clasificación

¿Cuál es el objetivo de los métodos de regresión?

• Predecir una o más variables númericas.

• Predecir una o más variables categóricas.

• Reducir el número de dimensiones de la entrada.

• Realizar análisis exploratorio de los datos.

El coeficiente de determinación R2 en regresión...

• Representa la proporción de la variabilidad de la variable dependiente que es explicada por el modelo.

• Mide la relación lineal entre las variables independientes y dependientes.

• Indica la precisión de las predicciones del modelo.

• Evalúa el error promedio de las predicciones del modelo.

¿Cuál de las siguientes NO es una métrica de regresión?

• Coeficiente de determinación (R^2)

• Error cuadrático medio

• Error absoluto medio

• Binary Cross Entropy

¿Qué métodos de regresión puedo utilizar si la relación entre las variables independientes y dependientes es lineal?

• Regresión Lineal

• Regresión polinómica

• Máquinas de vectores soporte

  SVR

• Árboles de decisión

¿Qué criterios se pueden utilizar para seleccionar, por el método del codo, el valor del grado k en una regresión polinómica?

• Criterio de Akaike

• Criterio Bayesiano

• Error cuadrático medio

• Coeficiente de determinación

Si quiero resolver un problema de regresión con múltiples varibles dependientes, ¿Cuál es la mejor estrategia a seguir?

• Entrenar varios modelos, uno para cada variable dependiente

• Entrenar un modelo para cada variable dependiente y concanetarlos

• Entrenar un único modelo con la variable dependiente con mayor coeficiente de determinación

• Entrenar un único modelo con la variable dependiente con mayor F1 score

¿Qué hacen los kernels en una máquina de vectores soporte?

• Generan datos aleatorios para el entrenamiento.

• Seleccionan el nodo raiz del árbol.

• Transforman los datos de entrada en un espacio de mayor dimensión.

• Reducen los datos de entrada a un espacio de menor dimensión.

¿Cuál es la diferencia entre un parámetro y un hiperparámetro de un modelo?

• El primero se aprende de los datos y el segundo se fija antes de entrenar el modelo.

• El prefijo hiper.

• El primero se fija antes de entrenar el modelo y el segundo se aprende de los datos.

• Un parámetro es una variable continua y un hiperparámetro es una variable discreta.

¿Cuál de los siguientes métodos no funciona para problemas de regresión?

• Regresión logística

• Regresión lineal

• Regresión polinómica

• Árboles de decisión

¿Cuál de las siguientes no es una técnica de validación?

• Validación cruzada

• Meta-validación

• Validación simple

• Híper-validación