Aprendizaje Supervisado: Conceptos, Algoritmos y Aplicaciones

Question 1

En un problema de aprendizaje supervisado para predicción de la edad, ¿qué término se utiliza para los datos que contienen las edades correctas?

Accepted Answer

Conjunto de entrenamiento

Answer

Conjunto de pruebas

Answer

Conjunto de desarrollo

Answer

Conjunto de validación

Question 2

¿Cuál de las siguientes es una ventaja del aprendizaje supervisado?

Accepted Answer

Proporciona predicciones más precisas

Answer

Entrenamiento rápido del modelo

Answer

Requiere menos cantidad de datos de entrenamiento

Answer

No requiere etiquetado de datos manual

Question 3

En el aprendizaje discriminativo, ¿cuál es el objetivo principal del algoritmo?

Accepted Answer

Aprender a diferenciar entre categorías

Answer

Optimizar una función objetivo compleja

Answer

Generar nuevos datos

Answer

Predecir valores numéricos continuos

Question 4

¿Qué tipo de aprendizaje supervisado implica utilizar datos etiquetados y no etiquetados para entrenar un modelo?

Accepted Answer

Aprendizaje semisupervisado

Answer

Aprendizaje por refuerzo

Answer

Aprendizaje autosupervisado

Answer

Aprendizaje multitarea

Question 5

**¿Cuál es el objetivo principal del aprendizaje supervisado?**

Accepted Answer

Predecir valores o etiquetas desconocidos a partir de datos de entrenamiento etiquetados.

Answer

Identificar patrones ocultos en datos no etiquetados.

Answer

Generar nuevos datos sin utilizar datos de entrenamiento.

Question 6

**¿Qué tipo de aprendizaje supervisado es más apropiado para tareas de clasificación binaria?**

Accepted Answer

Aprendizaje por árboles de decisión.

Answer

Aprendizaje supervisado de pares.

Answer

Aprendizaje no supervisado.

Answer

Aprendizaje por refuerzo.

Question 7

**¿Cuál de los siguientes factores es crucial para un conjunto de datos de entrenamiento eficaz en el aprendizaje supervisado?**

Accepted Answer

Etiquetado preciso y completo.

Answer

Distribución aleatoria de los datos.

Answer

Ausencia de valores perdidos.

Answer

Gran tamaño del conjunto de datos.

Question 8

**¿Qué métrica se utiliza comúnmente para evaluar el rendimiento de los algoritmos de aprendizaje supervisado en tareas de clasificación?**

Accepted Answer

Precisión.

Answer

Entropía cruzada.

Answer

Varianza.

Answer

Tiempo de ejecución.

Question 9

**En el contexto del aprendizaje supervisado, ¿qué implica el sobreajuste?**

Accepted Answer

Un modelo complejo que se adapta demasiado a los datos de entrenamiento pero no se generaliza bien a nuevos datos.

Answer

Un modelo demasiado simple que no captura la complejidad de los datos de entrenamiento.

Question 10

**¿Qué ventaja ofrece el aprendizaje supervisado sobre el aprendizaje no supervisado?**

Accepted Answer

Capacidad de aprender relaciones específicas entre características y etiquetas.

Answer

Requisito de datos etiquetados.

Answer

Escalabilidad a grandes conjuntos de datos.

Question 11

Selecciona el tipo de algoritmo de aprendizaje supervisado que predice valores continuos a partir de datos etiquetados.

Accepted Answer

Regresión

Answer

Clasificación

Answer

Detección de anomalías

Answer

Agrupación

Question 12

Indica el conjunto de datos que se utiliza para entrenar un algoritmo de aprendizaje supervisado.

Accepted Answer

Conjunto de datos de entrenamiento

Answer

Conjunto de datos de validación

Answer

Conjunto de datos sin etiquetar

Answer

Conjunto de datos de prueba

Question 13

Selecciona la métrica de evaluación que mide la proporción de predicciones correctas en un modelo de clasificación de aprendizaje supervisado.

Accepted Answer

Precisión

Answer

Curva ROC

Answer

Coeficiente kappa

Answer

Precisión de recuperación

Question 14

Indica el proceso de ajustar los parámetros de un algoritmo de aprendizaje supervisado para mejorar su rendimiento.

Accepted Answer

Optimización

Answer

Evaluación

Answer

Entrenamiento

Question 15

Selecciona el tipo de aprendizaje supervisado en el que el algoritmo aprende a asignar múltiples etiquetas a las entradas.

Accepted Answer

Clasificación multiclase

Answer

Clasificación binaria

Answer

Regresión

Answer

Agrupación

Question 16

Indica el proceso de dividir un conjunto de datos en subconjuntos para entrenar y evaluar un modelo de aprendizaje supervisado.

Accepted Answer

Partición de datos

Answer

Transformación de datos

Answer

Normalización de datos

Question 17

Selecciona el tipo de algoritmo de aprendizaje supervisado que predice categorías discretas a partir de datos etiquetados.

Accepted Answer

Clasificación

Answer

Agrupación

Answer

Detección de anomalías

Answer

Regresión

Question 18

Indica el proceso de utilizar un modelo de aprendizaje supervisado entrenado para hacer predicciones sobre nuevos datos.

Accepted Answer

Inferencia

Answer

Optimización

Answer

Evaluación

Answer

Entrenamiento

Question 19

En el aprendizaje supervisado,

Accepted Answer

Los algoritmos aprenden a mapear entradas a salidas deseadas

Answer

Los algoritmos aprenden a reducir la dimensionalidad de los datos

Answer

Los algoritmos aprenden a identificar patrones en datos sin etiquetar

Question 20

En una tarea de regresión, el objetivo es predecir:

Accepted Answer

Un valor numérico continuo

Answer

Una clase categórica

Answer

Una reducción de la dimensionalidad de los datos

Answer

Un conjunto de puntos de datos similares

Question 21

El sobreajuste en el aprendizaje supervisado ocurre cuando

Accepted Answer

El modelo se ajusta demasiado a los datos de entrenamiento y no generaliza bien a nuevos datos

Answer

El tamaño de los datos de entrenamiento es demasiado pequeño

Answer

El modelo no se ajusta lo suficiente a los datos de entrenamiento

Question 22

¿Cuál de las siguientes medidas se utiliza para evaluar el rendimiento de un modelo de clasificación?

Accepted Answer

Precisión

Answer

Varianza

Answer

Entropía

Answer

Curtosis

Question 23

El aprendizaje semi-supervisado utiliza:

Accepted Answer

Una combinación de datos etiquetados y no etiquetados

Answer

Solo datos etiquetados

Answer

Solo datos no etiquetados

Question 24

¿Cuál de los siguientes es un beneficio del aprendizaje supervisado?

Accepted Answer

Puede aprender relaciones complejas entre entradas y salidas deseadas

Answer

Siempre produce modelos precisos

Answer

No requiere datos etiquetados

Question 25

Un uso común del aprendizaje supervisado es:

Accepted Answer

Predicción

Answer

Generación

Answer

Clustering

Answer

Visualización

Question 26

¿Qué técnica se puede utilizar para abordar el problema del sobreajuste en el aprendizaje supervisado?

Accepted Answer

Regularización

Answer

Discretización

Answer

Transformación

Answer

Normalización