Crowdly

Indica cuál no es una ventaja de los conjuntos de clasificadores

Es una de las familias de algoritmos con mejor rendimiento en clasificación de la actualidad

Son algoritmos más rápidos que árboles de decisión individuales

Son algoritmos con un número relativamente bajo de parámetros a ajustar

Indica cuál no es una ventaja de los árboles de decisión

Produce clasificadores interpretables

Son muy rápidos de entrenar y para clasificar nuevos datos

100%

Alto poder expresivo

¿Cuál de los siguiente métodos da mejores resultados en presencia de outliers?

PAM

DBSCAN

CLARANS

Selecciona un método de clustering que no requiera que el usuario proporcione el número de clusters como argumento de entrada

PAM

Clustering jerárquico

k-means

Indica cuál de las siguientes afirmaciones es correcta:

Mayor dimensión VC implica menor tendencia al sobreajuste.

Mayor dimensión VC implica menor complejidad del modelo.

Mayor dimensión VC implica mayor complejidad del modelo.

La regresión sobre k vecinos próximos (k-NN):

Será tanto más estable cuanto menor sea el número k de vecinos considerado.

No presupone ninguna relación funcional entre características y objetivos.

Será tanto más precisa cuanto mayor sea el número k de vecinos considerado.

En una SVM, minimizar la dimensión VC es geométricamente equivalente a...

... maximizar la distancia entre los vectores de soporte.

... minimizar el margen.

... maximizar el margen.

¿Cuánto vale la variable μ para un vector de soporte que está sobre el margen?

Es igual a 0.

Es igual a C.

Es un valor positivo menor que C.

¿Qué sucede si se entrena un modelo de regresión de k vecinos próximos (k-NN) con k igual al número de elementos de la muestra de entrenamiento?

No se puede crear un modelo de ese tipo.

El modelo predice el error cuadrático medio.

El modelo predice la media de los objetivos.