Machine Learning

Contribuido por: Vázquez

1. ¿Cuál de las siguientes técnicas es utilizada para reducir la dimensionalidad de los datos en Machine Learning?

A) K-Nearest Neighbors (KNN)
B) Regresión logística
C) Clustering jerárquico
D) Análisis de componentes principales (PCA)

2. ¿Qué es el overfitting en Machine Learning?

A) La capacidad de un modelo para generalizar bien con datos no vistos
B) Cuando un modelo se ajusta demasiado a los datos de entrenamiento y no generaliza bien con datos nuevos
C) Un término usado solo en deep learning
D) Cuando un modelo se queda corto en la representación de los datos de entrenamiento

3. ¿Qué es el gradiente descendente?

A) Una técnica para almacenar grandes cantidades de datos
B) Un algoritmo de optimización utilizado para encontrar los parámetros de un modelo que minimizan una función de pérdida
C) Un método para aumentar la complejidad de un modelo
D) Un proceso para entrenar modelos de Machine Learning sin datos

4. ¿Qué es la regresión en Machine Learning?

A) Una técnica para aumentar la dimensionalidad de los datos
B) Un tipo de problema donde el objetivo es predecir una clase o categoría
C) Una técnica para reducir el ruido en los datos
D) Un tipo de problema donde el objetivo es predecir un valor numérico continuo

5. ¿Qué es el bias-variance tradeoff en Machine Learning?

A) Un término exclusivo de la estadística
B) Un método para reducir la variabilidad en los datos de entrenamiento
C) El equilibrio entre el error debido al sesgo y la varianza de un modelo
D) El error resultante de un modelo que no es capaz de generalizar bien

6. ¿Qué es la función de activación en una red neuronal?

A) Una función matemática que determina la salida de un nodo en una red neuronal
B) Una función para calcular el error de una red neuronal
C) Una función que ajusta la tasa de aprendizaje de la red neuronal
D) Una función que inicializa los pesos de una red neuronal

7. ¿Qué es el bagging en Machine Learning?

A) Un método para reducir la complejidad de un modelo
B) Una técnica de ensemble learning que entrena múltiples modelos en diferentes subconjuntos de datos y promedia sus predicciones
C) Un enfoque de aprendizaje que combina técnicas supervisadas y no supervisadas
D) Un algoritmo de optimización para encontrar los pesos óptimos en una red neuronal

8. ¿Cuál de las siguientes NO es una técnica de ensemble learning?

A) Random Forest
B) AdaBoost
C) Regresión logística
D) Gradient Boosting

9. ¿Qué es el kernel trick en Support Vector Machines (SVM)?

A) Un algoritmo para encontrar los pesos óptimos en un modelo SVM
B) Un método para reducir el overfitting en modelos SVM
C) Una técnica que permite transformar datos no lineales en un espacio de mayor dimensión para hacer clasificaciones lineales
D) Una técnica de ensemble learning específica para SVM

Examen creado con That Quiz — el sitio de matemáticas.