Search Header Logo

Machine Learning Inicial

Authored by Hernan Cruz

Computers

University

Used 3+ times

Machine Learning Inicial
AI

AI Actions

Add similar questions

Adjust reading levels

Convert to real-world scenario

Translate activity

More...

    Content View

    Student View

20 questions

Show all answers

1.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Qué es el aprendizaje supervisado y cómo se aplica?

El aprendizaje supervisado no tiene aplicaciones prácticas en la industria.

El aprendizaje supervisado se basa en datos no etiquetados para entrenar modelos.

El aprendizaje supervisado es un método de machine learning que utiliza datos etiquetados para entrenar modelos que predicen resultados.

Es un método que solo se utiliza en redes neuronales profundas.

2.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Qué significa KNN y cómo funciona?

KNN es un algoritmo de regresión lineal.

KNN es un algoritmo de clasificación basado en la proximidad de los datos.

KNN se basa en la predicción de tendencias a largo plazo.

KNN utiliza redes neuronales para clasificar los datos.

3.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Cuáles son las principales ventajas de los árboles de decisión?

Son difíciles de interpretar

Requieren mucho preprocesamiento

No son robustos ante datos faltantes

Las principales ventajas de los árboles de decisión son su interpretabilidad, versatilidad, bajo requerimiento de preprocesamiento y robustez ante datos faltantes.

4.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Qué es la regresión lineal y en qué se utiliza?

La regresión lineal es un método para modelar relaciones lineales entre variables y se utiliza para predicciones y análisis de tendencias.

Es un método para calcular promedios de datos.

Es una técnica para crear gráficos circulares.

Se utiliza exclusivamente en análisis de texto.

5.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Cómo mejora Random Forest la precisión de los modelos?

Random Forest se basa en la regresión lineal para aumentar la precisión.

Random Forest utiliza un solo árbol de decisión para hacer predicciones.

Random Forest mejora la precisión al eliminar datos irrelevantes antes de entrenar.

Random Forest mejora la precisión al combinar múltiples árboles de decisión y promediar sus predicciones.

6.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿Qué características definen el algoritmo K-means?

K-means utiliza un enfoque jerárquico para agrupar los datos.

K-means es un algoritmo de agrupamiento que busca dividir un conjunto de datos en K grupos mediante la minimización de la varianza intra-cluster.

K-means requiere que los grupos sean de tamaño igual para funcionar correctamente.

K-means es un algoritmo de clasificación que asigna etiquetas a los datos.

7.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

¿En qué se diferencia DBSCAN de K-means?

K-means can find non-spherical shapes and does not require a predefined number of clusters.

DBSCAN requires a predefined number of clusters and assumes spherical shapes.

K-means clusters based on density and can find clusters of varying density.

DBSCAN clusters based on density and can find non-spherical shapes, while K-means requires a predefined number of clusters and assumes spherical shapes.

Access all questions and much more by creating a free account

Create resources

Host any resource

Get auto-graded reports

Google

Continue with Google

Email

Continue with Email

Classlink

Continue with Classlink

Clever

Continue with Clever

or continue with

Microsoft

Microsoft

Apple

Apple

Others

Others

Already have an account?