IALeccion

Question 1

Verdadero o falso: Las características del modelo no influyen en los modelos de predicción

Accepted Answer

falso

Answer

Verdadero

Answer

tal vez

Question 2

Verdadero o falso: La flexibilidad de las características permite trabajar con modelos menos complicados.

Accepted Answer

verdadero

Answer

falso

Question 3

Verdadero o falso: No hay un método que sea mejor o peor que otro en la ingeniería de características.

Accepted Answer

v

Answer

f

Question 4

Verdadero o falso: Cuando el porcentaje de perdida es menor al 60% se debe eliminar ese atributo

Accepted Answer

f

Answer

v

Question 5

Verdadero o falso: La eliminación de variables con valores perdidos es una estrategia recomendada cuando hay muchos valores perdidos en una variable de baja importancia.

Accepted Answer

v

Answer

f

Question 6

¿Qué influye en la precisión del proyecto de un modelo de predicción?

Accepted Answer

Todas las anteriores

Answer

Los datos

Answer

La selección de características

Answer

El objetivo del modelo y el encuadre del problema

Question 7

¿Cuál es una técnica común para manejar columnas o características categóricas con valores perdidos?

Accepted Answer

c) El valor más común

Answer

a) Eliminación de variables

Answer

b) Imputación de la media y la mediana

Answer

d) Todas las anteriores

Question 8

¿Qué es una característica relevante para un modelo de aprendizaje automático?

Accepted Answer

c) Una característica que tiene una relación fuerte con la variable de predicción

Answer

a) Una característica que disminuye la precisión del modelo

Answer

b) Una característica que contribuye poco a la variable de predicción

Answer

d) Una característica que contiene valores perdidos

Question 9

Cuál de estas son técnicas de trabajo con datos faltantes en la ingeniería de características:

Accepted Answer

a) Eliminación de variables - d) Imputación de la media y la mediana

Answer

b) Codificación de etiquetas-c) Selección de características

Answer

a) Eliminación de variables- b) Codificación de etiquetas

Answer

c) Selección de características - d) Imputación de la media y la mediana

Question 10

Cuál de estas no es una técnica común para trabajar con valores categóricos:

Accepted Answer

b) Selección de características

Answer

a) Codificación de etiquetas-b) Selección de características

Answer

c) Variables dummy

Answer

d) Eliminación de variables

Question 11

Verdadero o falso: Las características relevantes en un modelo de aprendizaje automático son aquellas que tienen una relación fuerte con la variable de predicción.

Accepted Answer

v

Answer

f

Question 12

Verdadero o falso: La flexibilidad de las características permite trabajar con modelos más complicados pero más precisos.

Accepted Answer

f

Answer

v

Question 13

Verdadero o falso: La matriz de correlación muestra cómo se relacionan las características entre sí pero no con la variable de predicción.

Accepted Answer

f

Answer

v

Question 14

Verdadero o falso: La selección univariante de características es un proceso automático para seleccionar las características más relevantes.

Accepted Answer

f

Answer

v

Question 15

¿Qué tipo de datos pueden dividirse en grupos para su procesamiento en ingeniería de características?

Accepted Answer

d) Datos categóricos

Answer

a) Datos cuantitativos

Answer

b) Datos numéricos

Answer

c) Datos continuos

Question 16

¿Cuál es una ventaja de la codificación de etiquetas en el trabajo con valores categóricos?

Accepted Answer

b) Convierte valores categóricos en números enteros o flotantes

Answer

a) Permite eliminar las características irrelevantes

Answer

c) Reemplaza valores perdidos con valores máximos

Answer

d) Aumenta la precisión de los modelos de aprendizaje automático

Question 17

¿Cuál de las siguientes estrategias es adecuada para manejar características con valores perdidos cuando la variable es de baja importancia y los datos perdidos sean mayor al 60%?

Accepted Answer

b) Eliminación de variables

Answer

a) Imputación de la media y la mediana

Answer

c) Variables dummy

Answer

d) Selección univariante

Question 18

Cuál de estas son técnicas de trabajo con características categóricas en la ingeniería de características:

Accepted Answer

b) Codificación de etiquetas d) Variables dummy

Answer

a) Imputación de la media y la mediana

Answer

c) Eliminación de variables

Question 19

Cuál de estas no es una propiedad que influye en el resultado preciso de un modelo de predicción:

Accepted Answer

c) El color de fondo de la interfaz del modelo

Answer

a) Las características del modelo

Answer

b) Los datos

Answer

d) El objetivo del modelo y el encuadre del problema

Question 20

Verdadero o falso: La selección de características en el proceso de ingeniería es un paso crítico para mejorar la precisión de los modelos de aprendizaje automático.

Accepted Answer

v

Answer

f

IALeccion

🏆 Tabla de los mejores🏆 Top Puntajes

✨ Parecidos

EXAMEN BIMESTRAL

Evaluacion Unidad 5

Evaluación Unidad 2

Evaluacion Unidad 4

Evaluación Unidad 1

Inglés

🔥 Quizzes populares

test sobre los Adolescentes

Indicadores

QUE TAN INTELIGENTE ERES

El Bullying

La Ilustración

que tan inteligente eres

Comentarios · 0

Verdadero o falso: Las características del modelo no influyen en los modelos de predicción

Verdadero o falso: La flexibilidad de las características permite trabajar con modelos menos complicados.

Verdadero o falso: No hay un método que sea mejor o peor que otro en la ingeniería de características.

Verdadero o falso: Cuando el porcentaje de perdida es menor al 60% se debe eliminar ese atributo

Verdadero o falso: La eliminación de variables con valores perdidos es una estrategia recomendada cuando hay muchos valores perdidos en una variable de baja importancia.

¿Qué influye en la precisión del proyecto de un modelo de predicción?

¿Cuál es una técnica común para manejar columnas o características categóricas con valores perdidos?

¿Qué es una característica relevante para un modelo de aprendizaje automático?

Cuál de estas son técnicas de trabajo con datos faltantes en la ingeniería de características:

Cuál de estas no es una técnica común para trabajar con valores categóricos:

Verdadero o falso: Las características relevantes en un modelo de aprendizaje automático son aquellas que tienen una relación fuerte con la variable de predicción.

Verdadero o falso: La flexibilidad de las características permite trabajar con modelos más complicados pero más precisos.

Verdadero o falso: La matriz de correlación muestra cómo se relacionan las características entre sí pero no con la variable de predicción.

Verdadero o falso: La selección univariante de características es un proceso automático para seleccionar las características más relevantes.

¿Qué tipo de datos pueden dividirse en grupos para su procesamiento en ingeniería de características?

¿Cuál es una ventaja de la codificación de etiquetas en el trabajo con valores categóricos?

¿Cuál de las siguientes estrategias es adecuada para manejar características con valores perdidos cuando la variable es de baja importancia y los datos perdidos sean mayor al 60%?

Cuál de estas son técnicas de trabajo con características categóricas en la ingeniería de características:

Cuál de estas no es una propiedad que influye en el resultado preciso de un modelo de predicción:

Verdadero o falso: La selección de características en el proceso de ingeniería es un paso crítico para mejorar la precisión de los modelos de aprendizaje automático.

IALeccion

🏆 Tabla de los mejores🏆 Top Puntajes

✨ Parecidos

EXAMEN BIMESTRAL

Evaluacion Unidad 5

Evaluación Unidad 2

Evaluacion Unidad 4

Evaluación Unidad 1

Inglés

🔥 Quizzes populares

test sobre los Adolescentes

Indicadores

QUE TAN INTELIGENTE ERES

El Bullying

La Ilustración

que tan inteligente eres

Comentarios · 0

Verdadero o falso: Las características del modelo no influyen en los modelos de predicción

Verdadero o falso: La flexibilidad de las características permite trabajar con modelos menos complicados.

Verdadero o falso: No hay un método que sea mejor o peor que otro en la ingeniería de características.

Verdadero o falso: Cuando el porcentaje de perdida es menor al 60% se debe eliminar ese atributo

Verdadero o falso: La eliminación de variables con valores perdidos es una estrategia recomendada cuando hay muchos valores perdidos en una variable de baja importancia.

¿Qué influye en la precisión del proyecto de un modelo de predicción?

¿Cuál es una técnica común para manejar columnas o características categóricas con valores perdidos?

¿Qué es una característica relevante para un modelo de aprendizaje automático?

Cuál de estas son técnicas de trabajo con datos faltantes en la ingeniería de características:

Cuál de estas no es una técnica común para trabajar con valores categóricos:

Verdadero o falso: Las características relevantes en un modelo de aprendizaje automático son aquellas que tienen una relación fuerte con la variable de predicción.

Verdadero o falso: La flexibilidad de las características permite trabajar con modelos más complicados pero más precisos.

Verdadero o falso: La matriz de correlación muestra cómo se relacionan las características entre sí pero no con la variable de predicción.

Verdadero o falso: La selección univariante de características es un proceso automático para seleccionar las características más relevantes.

¿Qué tipo de datos pueden dividirse en grupos para su procesamiento en ingeniería de características?

¿Cuál es una ventaja de la codificación de etiquetas en el trabajo con valores categóricos?

¿Cuál de las siguientes estrategias es adecuada para manejar características con valores perdidos cuando la variable es de baja importancia y los datos perdidos sean mayor al 60%?

Cuál de estas son técnicas de trabajo con características categóricas en la ingeniería de características:

Cuál de estas no es una propiedad que influye en el resultado preciso de un modelo de predicción:

Verdadero o falso: La selección de características en el proceso de ingeniería es un paso crítico para mejorar la precisión de los modelos de aprendizaje automático.

Entrar