Cuestionario sobre Aprendizaje Automático

¿Qué tipo de aprendizaje utiliza datos etiquetados para entrenar modelos?

• Aprendizaje no supervisado

• Aprendizaje por refuerzo

• Aprendizaje supervisado

• Aprendizaje semi-supervisado

El agrupamiento (clustering) es un ejemplo de:

• Aprendizaje supervisado

• Aprendizaje no supervisado

• Aprendizaje por refuerzo

• Aprendizaje semi-supervisado

¿Qué algoritmo se basa en medir la similitud entre datos usando distancias como la euclidiana?

• Regresión lineal

• Árboles de decisión

• k-Vecinos más cercanos (k-NN)

• Naive Bayes

¿Cuál es un ejemplo de algoritmo de clasificación?

• Regresión lineal

• Máquinas de Soporte Vectorial (SVM)

• K-Means

• PCA

¿Qué técnica ayuda a prevenir el sobreajuste (overfitting)?

• Aumentar la complejidad del modelo

• Validación cruzada (cross-validation)

• Reducir el tamaño del conjunto de entrenamiento

• Usar más características irrelevantes

El aprendizaje que combina datos etiquetados y no etiquetados se llama:

• Transfer Learning

• Aprendizaje semi-supervisado

• Aprendizaje activo

• Aprendizaje supervisado

¿Qué algoritmo se usa comúnmente para clustering?

• Regresión logística

• K-Means

• Redes Neuronales Convolucionales

• Naive Bayes

Las redes neuronales con retropropagación suelen asociarse a:

• Aprendizaje no supervisado

• Aprendizaje supervisado

• Aprendizaje por refuerzo

• Ninguna de las anteriores

Predecir el precio de una casa es un problema de:

• Clasificación

• Regresión

• Clustering

• Reducción dimensional

Los árboles de decisión dividen datos basados en:

• Distancias euclidianas

• Entropía o índice Gini

• Varianza

• Promedio de características