Desafío de Aprendizaje Supervisado vs No Supervisado

Oui ou Non

Parties jouées 0

Créer une copie

À propos de cette activité

Verdades y engaños sobre aprendizaje automático.

Créé par

Ana Isabel Nava Perez

Mexico

Téléchargez la version pour jouer sur papier

Top 10 résultats

Il n'y a toujours pas de résultats pour ce jeu. Soyez le premier à apparaître dans le classement! 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


Desafío de Aprendizaje Supervisado vs No SupervisadoVersion en ligne Verdades y engaños sobre aprendizaje automático. par Ana Isabel Nava Perez 1 K-means se ejecuta solo cuando existen etiquetas de clase. Sí No 2 En KNN, la predicción se basa en los k vecinos más cercanos del punto de prueba. Sí No 3 El aprendizaje no supervisado utiliza datos etiquetados para entrenar el modelo. Sí No 4 El aprendizaje supervisado utiliza datos etiquetados para entrenar el modelo. Sí No 5 K-means es un algoritmo de aprendizaje no supervisado que agrupa datos sin etiquetas. Sí No 6 RBF solo se aplica a redes neuronales y nunca a SVM. Sí No 7 ACP (PCA) es una técnica de reducción de dimensionalidad no supervisada basada en varianza. Sí No 8 RBF puede usarse como kernel en máquinas de soporte vectorial. Sí No 9 ICA y PCA son lo mismo. Sí No 10 La SVM no necesita kernel y siempre debe usarse de forma lineal. Sí No

Desafío de Aprendizaje Supervisado vs No SupervisadoVersion en ligne

Verdades y engaños sobre aprendizaje automático.

par Ana Isabel Nava Perez

K-means se ejecuta solo cuando existen etiquetas de clase.

Sí

En KNN, la predicción se basa en los k vecinos más cercanos del punto de prueba.

Sí

El aprendizaje no supervisado utiliza datos etiquetados para entrenar el modelo.

Sí

El aprendizaje supervisado utiliza datos etiquetados para entrenar el modelo.

Sí

K-means es un algoritmo de aprendizaje no supervisado que agrupa datos sin etiquetas.

Sí

RBF solo se aplica a redes neuronales y nunca a SVM.

Sí

ACP (PCA) es una técnica de reducción de dimensionalidad no supervisada basada en varianza.

Sí

RBF puede usarse como kernel en máquinas de soporte vectorial.

Sí

ICA y PCA son lo mismo.

Sí

La SVM no necesita kernel y siempre debe usarse de forma lineal.

Sí

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.

Desafío de Aprendizaje Supervisado vs No Supervisado

Oui ou Non

À propos de cette activité

Créé par

Téléchargez la version pour jouer sur papier

Top Jeux

Oui ou Non

Is it true?

Oui ou Non

Adjective Checker

Oui ou Non

Foot and Ankle Anatomy Quiz

Oui ou Non

Is it created with Artificial Intelligence? - Complete game

Oui ou Non

Grammys for best song/record

Desafío de Aprendizaje Supervisado vs No SupervisadoVersion en ligne

par Ana Isabel Nava Perez

K-means se ejecuta solo cuando existen etiquetas de clase.

En KNN, la predicción se basa en los k vecinos más cercanos del punto de prueba.

El aprendizaje no supervisado utiliza datos etiquetados para entrenar el modelo.

El aprendizaje supervisado utiliza datos etiquetados para entrenar el modelo.

K-means es un algoritmo de aprendizaje no supervisado que agrupa datos sin etiquetas.

RBF solo se aplica a redes neuronales y nunca a SVM.

ACP (PCA) es una técnica de reducción de dimensionalidad no supervisada basada en varianza.

RBF puede usarse como kernel en máquinas de soporte vectorial.

ICA y PCA son lo mismo.

La SVM no necesita kernel y siempre debe usarse de forma lineal.

		%
	Anonyme	%
		%
		%