Los algoritmos que utilizamos en Aprendizaje Automático son: a) Reglas matemáticas y estadísticas que se utilizan para programar los modelos de Inteligencia Artificial que serán entrenados con los datos. b) Técnicas para organizar los datos que posteriormente se emplearán en el entrenamiento del modelo de Inteligencia Artificial. c) Fórmulas clasificadoras que obtenemos tras el entrenamiento de un modelo de Inteligencia Artificial. d) Cinco.
Los algoritmos de Regresión Lineal, Regresión Logística, Árbol de Decisión, Máquinas de Vector Soporte y Clustering son… a) Los cinco tipos de algoritmo que se usan en Aprendizaje Automático Supervisado. b) Los cinco algoritmos que se usan en Aprendizaje Automático No Supervisado. c) Algunos de los tipos de algoritmos que más se utilizan en Aprendizaje Automático. d) Los cinco tipos de algoritmos que se usan en Aprendizaje Automático por Refuerzo.
¿Para qué se usa habitualmente la Regresión Lineal en Machine Learning? a) Para estimar valores reales de variables con distribución continua. b) Para predecir la presencia o ausencia de una característica. c) Para entrenar modelos de Aprendizaje Automático No Supervisado. d) Para predecir la clasificación de imágenes.
Si quisiéramos estimar el precio que alcanzará un producto, el algoritmo más apropiado para entrenar el modelo de Inteligencia artificial sería a) Regresión Lineal b) Clustering c) Máquinas de Vector Soporte. d) Regresión Logística.
El algoritmo de Regresión Logística… a) ... estima valores discretos. b) ... estima valores proporcionales. c) ... estima valores reales. d) ... estima valores negativos.
¿En qué casos resulta más útil la Regresión Logística? a) Para los casos en los que se desea predecir la presencia o ausencia de una característica o resultado. b) Para los casos en los que existe una proporcionalidad lineal entre los valores del conjunto de predictores. c) Para los casos en los que no sabemos muy bien qué otro algoritmo utilizar. d) Para generar grupos de instancias con datos similares.
Matemáticamente la función logística que generan los algoritmos de Regresión Logística tiene forma de S a) Sí. b) No, tiene forma de L. c) No, en realidad tiene forma de U. d) No siempre (a veces sí, pero otras veces no).
Una de las ventajas del algoritmo de Regresión Logística aplicado al entrenamiento de modelos en Aprendizaje Automático es a) Todas las demás respuestas son correctas b) ... que no necesita disponer de grandes recursos computacionales. c) ... que es una técnica muy eficaz y simple. d) ... que el resultado de dicho entrenamiento también nos permite conocer la influencia de cada una de las características o datos de entrada en el resultado final.
Si quisiéramos entrenar un modelo de Inteligencia Artificial a través de Aprendizaje Automático Supervisado que nos ayudara a saber si un correo electrónico es Spam o no lo es, el algoritmo óptimo que usaríamos sería... a) Regresión Logística. b) Regresión Lineal. c) Árbol de Decisión. d) Máquina de Vector Soporte.
Los algoritmos de Árbol de decisión trabajan muy bien... a) ... tanto con datos del tipo de regresión como de clasificación. b) ... únicamente con datos del tipo de clasificación. c) ... únicamente con datos del tipo de regresión. d) ... con datos de refuerzo.
¿Cómo funcionan los algoritmos de Árbol de Decisión? a) Crea bifurcaciones, separando los datos en función de los diferentes datos, hasta que se llega a una decisión concluyente en base a la predicción buscada. b) Genera una red de subalgoritmos que compiten entre sí para encontrar la predicción más próxima a la realidad. c) Separa en dos regiones diferenciadas los datos, a través de una función llamada sigmoide. d) Ninguna de las respuestas anteriores es correcta.
Cuando no se tiene claro qué tipo de algoritmo usar para un caso concreto de Aprendizaje Automático. a) Se suele usar el Árbol de Decisión. b) Se usa la Regresión Lineal. c) Se suele usar la Regresión Logística. d) Se suele usar la Máquina de Vector Soporte.
De entre los diferentes algoritmos del tipo Árbol de Decisión ¿Cuál es el más popular y utilizado? a) Classification and Regression Tree (CART). b) Iterative Dichotomiser 3 (ID3). c) Decision Stump. d) M5.
Si quisiéramos entrenar un modelo de Inteligencia Artificial que nos pudiera predecir la probabilidad de padecer diabetes en base a un conjunto de datos (valores numéricos y características) ¿Qué algoritmo utilizaríamos? a) Regresión Logística o Árbol de Decisión. b) Regresión Lineal. c) Máquina de Vector Soporte. d) Clustering.
Las iniciales SVM que usamos para mencionar los tipos de algoritmos del tipo Máquina de Vector Soporte vienen de… a) Support Vector Machines, en inglés b) Super Vector Motor, en inglés. c) Soutenir Vectorielle la Machine, en francés. d) Science Vector Mathematics, en inglés.
Los algoritmos del tipo SVM son apropiados para… a) Aprendizaje Automático Supervisado. b) Aprendizaje Automático por Refuerzo. c) Aprendizaje Automático No Supervisado. d) Ninguna de las respuestas anteriores es correcta.
¿Cómo funcionan los algoritmos del tipo Máquina de Vector Soporte? a) Busca separar los datos de las instancias en conjuntos lo más homogéneos y amplios posible mediante un hiperplano de separación definido como el vector entre los puntos de dos clases distintas más cercanos. b) Busca separar en dos partes, a través de una función sigmoide, el conjunto de datos, para que queden distribuidos en dos posibles categorías de clasificación. c) Busca encontrar la fórmula de una función que pase lo más cerca posible de todos los datos de cada clase. d) Busca dividir en agrupaciones o clusters las instancias, en función de la proximidad o similitud en los valores de sus datos a un punto llamado centroide.
¿Cuál es la ventaja de los algoritmos de tipo Máquina de Vector Soporte respecto de los de Regresión Logística? a) Los del tipo Máquina de Vector Soporte sirven para resolver problemas de clasificación (como los de Regresión Logística) pero también para problemas de regresión, por lo que abarcan problemas más complejos y con más variables. b) No existe ninguna ventaja. c) De hecho se usan más los de Regresión Logística. Ambos tienen ventajas y desventajas. Cuando nos enfrentamos a problemas de clasificación se pueden utilizar ambos indistintamente. d) Los del tipo Máquina de Vector Soporte requieren menos recursos computacionales que los de Regresión Logística.
¿Qué otro nombre reciben los algoritmos de tipo Clustering? a) de Agrupación b) Regresión c) Clasificación d) No Supervisado.
¿A qué tipo de Aprendizaje Automático pertenecen los algoritmos de tipo Clustering? a) No Supervisado b) Supervisado c) Por Refuerzo d) Ninguna de las anteriores respuestas es correcta.
¿Cómo funcionan los algoritmos de tipo Clustering? a) Creando unos puntos centrales o “centroides” y jerarquías para diferenciar los grupos y descubrir características comunes por cercanía. b) Buscando los vectores ortogonales a los planos que separan en espacios homogéneos los conjuntos de datos más significativos. c) Separando en dos regiones lo más homogéneas posible los datos de una instancia en función del dato objetivo que se haya fijado inicialmente. d) Dibujando la línea o función que una los diferentes centroides más corta posible.
Los entrenamientos con algoritmos de tipo Clustering se suelen usar... a) las primeras fases de las tareas de Aprendizaje Automático, a fin de explorar los datos y detectar correlaciones inesperadas. b) para problemas que buscan resolver de manera supervisada casos de clasificación. c) ... para cuando no tenemos claro qué otros tipos de algoritmos son más apropiados para lo que queremos predecir d) ... después de haber encontrado modelos fiables a través de entrenamientos supervisados, para confirmar que los resultados obtenidos son realmente fiables.
En los algoritmos de Clustering tipo K-Means el número de centroides a) … lo tiene que definir el humano antes de iniciar el entrenamiento. b) lo calcula de forma automática el propio algoritmo. c) lo calcula el ser humano a través de la fórmula Cluster-Mean. d) da igual, pues el resultado es el mismo independientemente de este dato.
En los algoritmos de Clustering tipo G-Means el número de centroides a) … lo tiene que definir el humano antes de iniciar el entrenamiento. b)lo calcula de forma automática el propio algoritmo. c) lo calcula el ser humano a través de la fórmula Cluster-Mean. d) da igual, pues el resultado es el mismo independientemente de este dato.
|
