Fundamentos de machine learning

Test

Parties jouées 23

Créer une copie

À propos de cette activité

ML, Modelos, etc

Créé par

Matías Molins

Chile

Téléchargez la version pour jouer sur papier

Top 10 résultats

#	Jeux	Précision	temps
1	Don wea 13 Juin 2025	% 100	01:57
2	Matías Molins 13 Juin 2025	% 80	03:58
3	Withex 13 Juin 2025	% 67	03:18

Voulez-vous apparaître dans le Top 10 de ce jeu? Connectez-vous pour vous identifier.

Créez votre propre jeu gratuite à partir de notre créateur de jeu

Affrontez vos amis pour voir qui obtient le meilleur score dans ce jeu

Créer un défi

Practice Quiz - Punnett Square, Variation, and Mutations

Benjamin D Morgan

United States

(14)

Practice Quiz - Punnett Square, Variation, and Mutations
Spanish Alphabet Listening

Falkenberg Falkenberg

United States

(88)

Spanish alphabet, listening-based assessment
Tissues - Practice Quiz

Benjamin D Morgan

United States

(16)

Tissues - Practice Quiz
Photosynthesis vs Cellular Respiration - Practice Quiz

Benjamin D Morgan

United States

(39)

Photosynthesis vs Cellular Respiration - Practice Quiz
UPS 5 Seeing Habits Quiz

Heather Bell

United States

(12)

Test your knowledge about the 5 seeing habits discussed in the text 'UPS 5 seeing habits'.

		%
	Anonyme	%
		%
		%

Imprimez votre jeu

Fundamentos de machine learning


Fundamentos de machine learningVersion en ligne ML, Modelos, etc par Matías Molins 1 ¿Cuál de los siguientes supuestos es fundamental en la regresión lineal? a Normalidad de las variables independientes b Linealidad entre las variables independientes y la dependiente c Independencia entre las variables independientes d Normalidad de los predictores 2 ¿Qué mide el coeficiente de determinación R²? a La pendiente del modelo b El grado de correlación lineal entre dos variables c La proporción de varianza explicada por el modelo d La significancia estadística del intercepto 3 En un árbol de regresión, ¿cuál es el criterio más común para dividir los nodos? a Gini b Entropía c Reducción de varianza d AUC 4 ¿Cuál de los siguientes no es un hiperparámetro típico de un modelo Random Forest de regresión? a Número de árboles b Profundidad máxima del árbol c Tasa de aprendizaje d Número de variables seleccionadas por división 5 ¿Qué función de pérdida es usada normalmente en regresión SVM? a Hinge loss b Cross-entropy c Epsilon-insensitive loss d Log loss 6 Cuál de los siguientes métodos es un ejemplo de ensamble por bagging? a AdaBoost b Random Forest c Ridge Regression d Gradient Boosting 7 ¿Qué ocurre cuando se aumenta el número de árboles en un Random Forest? a Se reduce el overfitting b Se incrementa la varianza c El modelo se vuelve más interpretable d La precisión decrece 8 ¿Cuál es el objetivo del método de boosting? a Reducir la varianza del modelo b Reducir el sesgo del modelo c Aumentar el número de muestras d Aumentar el número de variables 9 En regresión lineal múltiple, un coeficiente con p-valor alto indica que: a La variable tiene un fuerte efecto sobre la variable dependiente b La variable es estadísticamente significativa c No hay evidencia suficiente para decir que la variable afecta la salida d El modelo tiene multicolinealidad 10 ¿Cuál es la principal diferencia entre un árbol de regresión y un árbol de clasificación? a Uno usa la entropía y el otro el Gin b Uno predice valores continuos y otro clases c Uno puede usar redes neuronales y otro no d Ninguna 11 ¿Qué es el epsilon en SVM para regresión? a Un parámetro de regularización b Un margen de tolerancia donde no se penaliza el error c La tasa de aprendizaje d El número de iteraciones 12 ¿Cuál de los siguientes es un beneficio de usar ensambles? a Mayor sesgo b Menor precisión c Reducción de varianza d Menor interpretabilidad 13 ¿Qué significa que un modelo tenga alta varianza? a Es muy preciso b Se sobreajusta a los datos de entrenamiento c Tiene bajo sesgo d Tiene baja capacidad predictiva 14 En el contexto de modelos de regresión, el término "regularización" se refiere a: a La maximización de la varianza explicada b El número de árboles usados c El proceso de normalizar las variables d Un método para reducir el overfitting 15 ¿Qué técnica de ensamble construye modelos secuencialmente? a Boosting b Voting c Bagging d Random Forest

Vous pouvez intégrer le jeu dans un LMS compatible avec LTI 1.1 ou LTI 1.3 comme Canvas, Moodle ou Blackboard. Les scores seront ainsi automatiquement enregistrés dans le carnet de notes de la plateforme.

Fundamentos de machine learning

Test

À propos de cette activité

Créé par

Téléchargez la version pour jouer sur papier

Top Jeux

Test

Practice Quiz - Punnett Square, Variation, and Mutations

Test

Spanish Alphabet Listening

Test

Tissues - Practice Quiz

Test

Photosynthesis vs Cellular Respiration - Practice Quiz

Test

UPS 5 Seeing Habits Quiz

Fundamentos de machine learningVersion en ligne

par Matías Molins

¿Cuál de los siguientes supuestos es fundamental en la regresión lineal?

¿Qué mide el coeficiente de determinación R²?

En un árbol de regresión, ¿cuál es el criterio más común para dividir los nodos?

¿Cuál de los siguientes no es un hiperparámetro típico de un modelo Random Forest de regresión?

¿Qué función de pérdida es usada normalmente en regresión SVM?

Cuál de los siguientes métodos es un ejemplo de ensamble por bagging?

¿Qué ocurre cuando se aumenta el número de árboles en un Random Forest?

¿Cuál es el objetivo del método de boosting?

En regresión lineal múltiple, un coeficiente con p-valor alto indica que:

¿Cuál es la principal diferencia entre un árbol de regresión y un árbol de clasificación?

¿Qué es el epsilon en SVM para regresión?

¿Cuál de los siguientes es un beneficio de usar ensambles?

¿Qué significa que un modelo tenga alta varianza?

En el contexto de modelos de regresión, el término "regularización" se refiere a:

¿Qué técnica de ensamble construye modelos secuencialmente?