ALGORITMOS DE CLASIFICACIÓN – APRENDIZAJE SUPERVISADO 1C

¿Qué es el Machine Learning?

• Una técnica de aprendizaje no supervisado

• Un tipo de algoritmo de clasificación

• Un proceso sencillo de programación explícita

• Una forma de IA que permite a un sistema aprender de los datos

¿En qué se centra el Machine Learning?

• Desarrollar algoritmos y modelos para que las máquinas aprendan patrones a partir de datos

• Crear programas que imitan comportamientos humanos

• Producir modelos precisos sin datos de entrenamiento

• Intervención humana directa en el rendimiento de las máquinas

¿Qué es el aprendizaje supervisado?

• Un método de aprendizaje no supervisado

• Un proceso de aprendizaje sin datos de entrada

• Un tipo de aprendizaje donde se asocia una etiqueta a los datos para predecir en otros campos

• Una técnica de refuerzo entre dos grupos de aprendizaje

¿Cuál es una etapa del aprendizaje supervisado?

• Entrenamiento sin modelo

• Ajuste de hiperparámetros

• Establecimiento de relaciones implícitas

• Recolección y preparación de datos

¿Qué es la función objetivo en la regresión logística?

• Mide la diferencia entre las predicciones del modelo y las salidas reales

• Determina la tasa de aprendizaje del modelo

• Calcula la precisión del modelo

• Define la complejidad del problema

¿Qué es el descenso de gradiente?

• Un proceso de actualización iterativa de los parámetros del modelo

• Una función de pérdida en la regresión logística

• Un método para dividir el conjunto de datos

• Una técnica de aprendizaje no supervisado

¿Cuál es una aplicación de la regresión logística?

• Reconocimiento de voz

• Análisis de transacciones financieras

• Estimar probabilidades de fallo de piezas de maquinaria

• Clasificar correos electrónicos como spam

¿Qué es el objetivo del Machine Learning?

• Desarrollar técnicas para que las computadoras aprendan a partir de datos

• Imitar comportamientos humanos

• Producir modelos precisos sin entrenamiento

• Intervención humana directa en el rendimiento de las máquinas

¿Qué implica la etapa de recolección y preparación de datos en el aprendizaje supervisado?

• Evaluar el modelo con el conjunto de prueba

• Dividir el conjunto de datos en tres partes

• Recopilar datos necesarios, limpiarlos y organizarlos para el entrenamiento del modelo

• Entrenar el modelo con datos etiquetados

¿Qué es la matriz de confusión en la evaluación del modelo?

• Un método para ajustar hiperparámetros

• Una tabla que describe el rendimiento del modelo en términos de verdaderos positivos, falsos positivos, verdaderos negativos y falsos negativos

• Una métrica que calcula la precisión del modelo

• Una función de pérdida en el aprendizaje supervisado