PIA - Tema 4

¿Qué representa la métrica "accuracy" en un modelo de clasificación?. La proporción de verdaderos positivos entre todos los positivos reales. El porcentaje de predicciones correctas sobre el total. El equilibrio entre precisión y sensibilidad. La proporción de clases mayoritarias detectadas.

¿Para qué se usa "ColumnTransformer" en Scikit-learn?. Para entrenar modelos en paralelo. Para seleccionar automáticamente las mejores columnas. Para aplicar diferentes transformaciones a diferentes columnas. Para convertir datos categóricos en numéricos.

¿Qué hace "SelectKBest"?. Escoge automáticamente el mejor modelo que se puede aplicar a un problema determinado. Selecciona las variables más relevantes según una función estadística. Escala los datos al mejor rango posible de forma automática. Realiza validación cruzada.

¿Cuál de los siguientes no es un tipo principal de aprendizaje automático?. Aprendizaje supervisado. Aprendizaje no supervisado. Aprendizaje simbólico. Aprendizaje por refuerzo.

¿Qué modelo de regresión es más adecuado para relaciones no lineales?. LinearRegression. KNeighborsClassifier. LogisticRegression. DecisionTreeRegressor.

Un coche autónomo aprende a conducir eligiendo las mejores acciones en función de la recompensa que obtiene. ¿Qué tipo de aprendizaje es?. Agrupamiento. Clasificación. Aprendizaje por refuerzo. Regresión.

¿Qué incluye la fase de recolección y exploración de datos?. Normalizar valores y transformar variables categóricas. Analizar la calidad, valores perdidos, sesgos y correlaciones. Todas las opciones son ciertas. Seleccionar las mejores métricas de evaluación.

¿Qué herramienta de Scikit-learn permite obtener todas las métricas por clase?. classification_report. confusion_matrix. cross_val_score. predict_proba.

¿Qué métrica combina precisión y recall en una sola medida?. F1-score. Support. Accuracy. Confusion.

¿Qué tipo de tarea no requiere etiquetas en los datos?. Agrupamiento. Clasificación. Regresión. Sistemas de recomendación.

¿Qué tipo de aprendizaje no supervisado encuentra similitudes dentro de los datos?. Clasificación. Regresión. Agrupamiento. Refuerzo.

¿Qué permite hacer la función "joblib.load()"?. Cargar un modelo previamente guardado para seguir usándolo. Eliminar modelos antiguos del sistema. Medir la precisión de un modelo guardado. Actualizar automáticamente los pesos del modelo.

Una empresa quiere predecir cuánto va a gastar un cliente en su próxima compra. ¿Qué tipo de problema es?. Clasificación. Regresión. Agrupamiento. Refuerzo.

¿Qué función de scikit-learn se utiliza para dividir los datos en entrenamiento y prueba?. train_split_test. train_test_split. split_data_random. shuffle_and_split.

¿Para qué sirve "SimpleImputer"?. Detectar columnas irrelevantes, para no utilizarlas en el entrenamiento. Transformar variables categóricas. Reescalar los datos. Rellenar valores nulos con la media, mediana o moda.

¿Cuál de las siguientes tareas predice un valor numérico continuo?. Clasificación. Regresión. Agrupamiento. Refuerzo.

¿Qué métrica indica cuántos verdaderos positivos se detectaron entre todos los reales?. Precision. Accuracy. Recall. Support.

¿Qué método se usa para entrenar un "Pipeline"?. predict(). fit(). compile(). transform().

¿Qué se necesita pasar a "GridSearchCV" además del modelo?. Una lista de métricas. Un diccionario con combinaciones de hiperparámetros. Una columna de validación. Un Pipeline.

¿Qué transformador se usa normalmente para la variable objetivo?. OneHotEncoder. LabelEncoder. OrdinalEncoder. SimpleImputer.

¿Cuál de los siguientes es un dataset de ejemplo incluido en Scikit-learn?. load_iris. flower_iris. dataset_flowers. mench_properties.

¿Qué hace el método "predict()" en un modelo entrenado?. Calcula la precisión del modelo. Divide los datos en entrenamiento y prueba. Aplica escalado de características. Realiza predicciones sobre nuevos datos.

¿Qué técnica se usa típicamente para predecir si un paciente está enfermo o sano?. Clasificación. Regresión. Agrupamiento. Refuerzo.

¿Qué se hace en la fase de ajuste y optimización?. Visualizar los datos en gráficos. Cambiar parámetros, validar y seleccionar características. Exportar los datos como CSV, para su posterior recuperación. Traducir el modelo a otros idiomas.

¿Cuál es una de las principales ventajas de Scikit-learn respecto al uso de modelos?. Todos los modelos comparten una estructura común de uso. Cada modelo requiere su propia estructura y sintaxis. Solo ofrece modelos de clasificación. No permite evaluar modelos de forma sencilla.

¿Para qué se utiliza la función "joblib.dump()" en Scikit-learn?. Para guardar un modelo entrenado en un archivo. Para entrenar un modelo con varios archivos a la vez. Para preprocesar datos en memoria. Para visualizar resultados de clasificación.

¿Cómo accedemos a los mejores parámetros tras ejecutar "fit" con "GridSearchCV" ?. model.best(). model.best_params_. model.predict_params(). model.selected_features_.

¿Cuál es el primer paso en un proyecto de aprendizaje automático?. Evaluación de resultados. Definición del problema. Entrenamiento del modelo. Despliegue en producción.

¿Por qué es importante versionar modelos y datos en proyectos reales?. Para poder rastrear cambios, reproducir resultados y mantener la consistencia. Porque mejora la visualización de matrices de confusión. Para poder usar más clases en el mismo modelo. Porque es obligatorio para usar GridSearchCV.

¿Qué algoritmo permite reducir la cantidad de variables manteniendo la mayor información posible?. PCA. DBSCAN. KNN. StandardScaler.

Un sistema de vigilancia busca comportamientos extraños en las cámaras de seguridad. ¿Qué tipo de tarea representa?. Detección de anomalías. Clasificación. Recomendación. Reducción de dimensionalidad.

¿Qué representa mejor el concepto de “Aprendizaje Automático”?. Un software con reglas fijas programadas. Un robot que obedece comandos de voz y sigue su programación prediseñada. Un sistema que aprende a partir de datos sin ser programado explícitamente. Una aplicación móvil con interfaz intuitiva y que registra la actividad del usuario.

¿Qué puede ocurrir si no escalamos las variables antes de entrenar un modelo?. El algoritmo se detendrá y fallará el entrenamiento. Los datos se convertirán en texto. Las variables con valores más altos dominarán el algoritmo. Nada, en ningún caso afecta al resultado.

¿Para qué sirve "cross_val_score"?. Para representar gráficamente la precisión del modelo. Para evaluar un modelo varias veces con diferentes particiones de los datos. Para ajustar automáticamente los mejores parámetros del modelo. Para dividir los datos en conjuntos de prueba y entrenamiento.

¿Qué diferencia "RandomizedSearchCV" de "GridSearchCV"?. No usa validación cruzada. Explora combinaciones de forma aleatoria. Solo sirve para regresión. RandomizedSearchCV tambien explora todas las posibles combinaciones, pero en un orden aleatorio.

¿Qué se debe construir después de preparar los datos?. Conjuntos de datos de entrenamiento y test. Un nuevo modelo de Machine Learning. Una API para desplegar la IA. Modelos preentrenados listos para utilizar.

¿Qué método se usa para entrenar un modelo en Scikit-learn?. .train(). .learn(). .fit(). .adjust().

¿Cuál es una ventaja de usar "Pipeline" en un entorno profesional?. Permite encadenar el preprocesado y el modelo, evitando errores y facilitando la reutilización. Aumenta automáticamente la precisión del modelo. Reemplaza el uso de métricas como recall o f1-score. Genera gráficas automáticamente para la validación.

¿Qué hace "StandardScaler" en Scikit-learn?. Transforma los datos para que tengan media 0 y desviación estándar 1. Convierte texto en números para que puedan ser procesados por el algoritmo. Aplica codificación binaria a los datos para optimizar el rendimiento. Todas las respuestas son ciertas.

¿Qué tarea de aprendizaje automático se encarga de asignar categorías o clases?. Clasificación. Regresión. Agrupamiento. Refuerzo.

¿Qué permite hacer "GridSearchCV"?. Buscar los mejores parámetros combinando validación cruzada. Aumentar el número de vecinos en un modelo KNN. Visualizar gráficamente las métricas de evaluación de un modelo. Preprocesar variables categóricas en paralelo.

¿Cuál es un ejemplo típico de una tarea de regresión?. Detectar si un correo es spam. Identificar a qué grupo pertenece un cliente. Detectar un caso de fraude. Predecir el precio de una vivienda.

¿Cuál de los siguientes modelos se usa en tareas de agrupamiento sin etiquetas?. LogisticRegression. KMeans. RandomForestClassifier. LinearRegression.

¿Qué tipo de aprendizaje se usa para agrupar datos sin etiquetas?. Aprendizaje supervisado. Aprendizaje no supervisado. Aprendizaje por programación. Aprendizaje automático general.

¿Qué se hace durante la fase de evaluación del modelo?. Recolectar nuevos datos para seguir mejorando el modelo. Medir precisión, recall y analizar la matriz de confusión. Probar interfaces de usuario para decidir como implantar el modelo. Regristrar el modelo para que nadie más pueda hacer algo parecido.

¿Cuál de estas afirmaciones sobre el Aprendizaje Automático es correcta?. Permite que las máquinas detecten patrones en datos y aprendan a tomar decisiones. Solo se puede usar en grandes empresas tecnológicas que dispongan de datos propios. Requiere programación tradicional paso a paso. Solo funciona con datos textuales, no es aplicable a datos multimedia.

¿Qué hace "MinMaxScaler"?. Elimina filas duplicadas. Agrupa columnas similares. Escala los datos al rango 0–1. Convierte valores categóricos en numéricos.

Una tienda online quiere clasificar a sus clientes en perfiles según su comportamiento de compra, sin etiquetas previas. ¿Qué técnica se aplica?. Clasificación. Regresión. Agrupamiento. Refuerzo.

¿Qué parámetro de "train_test_split" indica el porcentaje para prueba?. random_state. test_size. max_depth. split_ratio.

¿Qué mide la precisión en un modelo de clasificación?. De todas las predicciones positivas, cuántas fueron correctas. De todos los casos reales positivos, cuántos se predijeron bien. El porcentaje total de aciertos del modelo. La frecuencia de cada clase.

¿Qué implica la fase de despliegue del modelo?. Eliminar variables irrelevantes. Aplicar limpieza profunda de datos para optimizar el despliegue. Convertir el modelo a HTML para su implantación a través de la web. Integrarlo en el sistema real y definir cómo será utilizado.

¿Qué hace "RepeatedStratifiedKFold"?. Repite varias veces la validación cruzada estratificada. Clasifica automáticamente los datos. Codifica las clases numéricas. Transforma los datos en pliegues lineales.

¿Qué transformador se usa para convertir texto en columnas binarias?. OneHotEncoder. LabelEncoder. TextEncoder. BinaryScaler.

¿Qué variable suele representar la salida o etiqueta en un dataset?. X. y. df. target_names.

Una app médica debe identificar radiografías como “normal” o “anormal”. ¿Qué tipo de tarea está realizando?. Agrupamiento. Regresión. Clasificación. Recomendación.

¿Qué tipo de aprendizaje implica usar datos con respuestas conocidas?. Aprendizaje supervisado. Aprendizaje no supervisado. Aprendizaje autónomo. Aprendizaje por refuerzo.