p.1
Modelos lineales en aprendizaje automático
¿Qué son los algoritmos de modelos lineales?
Técnicas de aprendizaje automático que predicen una variable de salida en función de una o más variables de entrada.
p.29
Análisis discriminante lineal (LDA)
¿Qué es el Análisis Discriminante Lineal (LDA)?
Es una técnica de análisis estadístico que busca maximizar la separación entre dos o más grupos de datos.
p.17
Modelos lineales en aprendizaje automático
¿Qué tipo de problemas pueden resolver los modelos lineales?
Problemas de clasificación binaria y multiclase.
p.21
Regresión lineal y su aplicación
¿Qué determina el coeficiente de determinación R²?
La calidad del modelo para replicar los resultados.
p.21
Regresión lineal y su aplicación
¿Cuál es el rango del coeficiente de determinación R²?
Entre 0 y 1, siendo 1 lo mejor.
p.2
Modelos lineales en aprendizaje automático
¿Qué tipo de técnica es la regresión lineal?
Es una técnica paramétrica de machine learning.
p.72
Árboles de decisión y su construcción
¿Qué representa la ganancia de la información en el contexto de árboles de decisión?
Es una reducción de la entropía desde el atributo de prueba.
p.17
Modelos lineales en aprendizaje automático
¿Cuál es la principal ventaja de los modelos lineales?
Son simples de interpretar y rápidos de entrenar.
p.17
Modelos lineales en aprendizaje automático
¿Qué se necesita para entrenar un modelo lineal?
Un conjunto de datos etiquetados que contenga características y sus respectivas clases.
p.6
Error cuadrático medio (ECM) como criterio de evaluación
¿Qué significa un ECM alto?
Que el modelo no se ajusta bien a los datos y las predicciones pueden ser menos precisas.
p.82
Árboles de decisión y su construcción
¿Qué es el bootstrapping en el contexto de árboles de decisión?
Es un método que implica seleccionar puntos de datos aleatoriamente con repetición.
p.19
Regresión lineal y su aplicación
¿Qué se puede hacer una vez que se ha entrenado un modelo de regresión lineal?
Se pueden hacer predicciones usando el método predict de la clase LinearRegression.
p.60
Árboles de decisión y su construcción
¿Qué atributo es más importante para la clasificación en árboles de decisión, Type o Patrons?
Depende del contexto y de los datos específicos, pero generalmente se evalúa cuál atributo proporciona mayor información para la clasificación.
p.20
Error cuadrático medio (ECM) como criterio de evaluación
¿Cómo se evalúa la calidad de un modelo lineal para clasificación?
Midiendo el error cuadrático medio y el coeficiente de determinación R2.
p.36
Perceptrón y su funcionamiento
¿Qué tipo de algoritmo es el perceptrón?
Uno de los algoritmos de aprendizaje automático más simples y antiguos.
p.41
Máquinas de vectores de soporte (SVM)
¿Qué son las máquinas de vectores de soporte (SVM)?
Son algoritmos de clasificación y regresión que se utilizan para separar las muestras en diferentes clases.
p.74
Árboles de decisión y su construcción
¿Qué se busca al armar un árbol de decisión?
Aprender la secuencia de sentencias if / else que lleva a la respuesta más rápidamente.
p.1
Modelos lineales en aprendizaje automático
¿Cuál es la fortaleza de los modelos lineales?
Su simplicidad e interpretabilidad.
p.55
Árboles de decisión y su construcción
¿Qué se prefiere al construir árboles de decisión?
Encontrar árboles de decisión más compactos.
p.13
Modelos lineales en aprendizaje automático
¿Cómo se representa un modelo lineal con más de una variable?
X = [x0, x1, x2, ..., xN] y W = [w0, w1, w2, ..., wN].
p.50
Modelos lineales en aprendizaje automático
¿Qué determina el parámetro Gamma en los modelos lineales para clasificación?
Determina qué tan lejos llega la influencia de un solo valor de entrenamiento.
p.79
Métodos de ensamble como Random Forests
¿Qué son los métodos de ensamble?
Son métodos que combinan múltiples modelos de aprendizaje automático para crear modelos más poderosos.
p.17
Modelos lineales en aprendizaje automático
¿Qué es la función de decisión en un modelo lineal?
Es la función que determina la clase a la que pertenece un dato basado en la combinación lineal de sus características.
p.24
Regresión logística para clasificación binaria
¿Qué tipo de resultado se predice con la regresión logística?
La probabilidad de un resultado determinado.
p.35
Perceptrón y su funcionamiento
¿Qué es el perceptrón?
Es un algoritmo de aprendizaje supervisado utilizado para la clasificación binaria.
p.77
Overfitting y técnicas de pruning en árboles de decisión
¿Qué sucede si un árbol de decisión tiene todas sus hojas?
El modelo está en overfitting.
p.30
Análisis discriminante lineal (LDA)
¿En qué se utiliza comúnmente el LDA?
Para clasificar individuos en diferentes grupos según sus características observadas.
p.77
Overfitting y técnicas de pruning en árboles de decisión
¿Qué es el overfitting en el contexto de árboles de decisión?
Es cuando el modelo se ajusta demasiado al conjunto de entrenamiento, perdiendo capacidad de generalización.
p.59
Árboles de decisión y su construcción
¿Cuál es el objetivo al buscar un árbol de decisión en aprendizaje automático?
Ser consistente con las muestras y lo más pequeño posible.
p.24
Regresión logística para clasificación binaria
¿Cuál es el objetivo de los modelos lineales para clasificación?
Predecir la probabilidad de que la variable dependiente tome uno de los dos valores posibles.
p.65
Árboles de decisión y su construcción
¿Qué caracteriza a un árbol de decisión simple en comparación con uno original?
Es más simple y no incluye preguntas complejas como si llueve o sobre reservaciones.
p.36
Perceptrón y su funcionamiento
¿Quién desarrolló el perceptrón?
Frank Rosenblatt en 1957.
p.66
Árboles de decisión y su construcción
¿Cuál es el objetivo de la búsqueda voraz en la construcción de un árbol de decisión?
Minimizar la profundidad del árbol.
p.55
Árboles de decisión y su construcción
¿Qué garantiza un árbol de decisiones para cualquier conjunto de entrenamiento?
Un camino a la hoja para cada observación.
p.41
Máquinas de vectores de soporte (SVM)
¿Cuál es el objetivo principal de los SVM?
Buscar el hiperplano que maximiza la distancia entre las muestras de diferentes clases.
p.75
Árboles de decisión y su construcción
¿Qué representa un árbol de decisión con profundidad = 1?
Un modelo simple que divide el dataset en una sola condición.
p.29
Análisis discriminante lineal (LDA)
¿Para qué se utiliza el LDA?
Para separar muestras en diferentes clases en función de sus características.
p.30
Análisis discriminante lineal (LDA)
¿Cuál es el objetivo del Análisis Discriminante Lineal (LDA)?
Encontrar una función lineal para clasificar nuevos datos en grupos conocidos.
p.76
Árboles de decisión y su construcción
¿Qué es un árbol de decisión en aprendizaje automático?
Es un modelo que utiliza una estructura de árbol para tomar decisiones basadas en características de los datos.
p.26
Modelos lineales en aprendizaje automático
¿Qué tipo de datos se utiliza en el ejemplo de clasificación?
Mediciones de longitud y ancho de pétalos de flores iris.
p.45
Árboles de decisión y su construcción
¿Cuál es una de las ventajas de usar árboles de decisión?
No se requiere conocimiento previo especializado en el dominio de aplicación.
p.44
Máquinas de vectores de soporte (SVM)
¿Cuáles son las características utilizadas en el modelo SVM?
Longitud y anchura del sépalo.
p.11
Regresión lineal y su aplicación
¿Cuáles son los datos de entrada utilizados en el ejemplo?
xData: {1, 2, 3, 4, 5} y yData: {2, 4, 5, 4, 5}.
p.8
Modelos lineales en aprendizaje automático
¿Qué representa el valor estimado en un modelo lineal para clasificación?
Es el valor que nos da el modelo, representado por la línea azul.
p.5
Error cuadrático medio (ECM) como criterio de evaluación
¿Cuál es el criterio de evaluación más usado para problemas de regresión?
El Error Cuadrático Medio (ECM).
p.40
Perceptrón y su funcionamiento
¿Qué implementa el código mencionado?
La clase Perceptron en Python.
p.55
Árboles de decisión y su construcción
¿Qué pueden expresar los árboles de decisión en aprendizaje automático?
Cualquier función de atributos de entrada.
p.46
Máquinas de vectores de soporte (SVM)
¿Cómo ayuda el separador de márgenes máximos en SVM?
Ayuda a generalizar bien.
p.40
Perceptrón y su funcionamiento
¿Qué hace el método predict en la clase Perceptron?
Utiliza los pesos ajustados para predecir las etiquetas de un nuevo conjunto de datos.
p.37
Regresión logística para clasificación binaria
¿Qué utilizan los modelos lineales para clasificación?
Un umbral de decisión que separa los dos grupos.
p.84
Árboles de decisión y su construcción
¿Qué significa 'randomness by features' en árboles de decisión?
Se refiere a la aleatoriedad en la selección de características para realizar divisiones.
p.23
Regresión logística para clasificación binaria
¿Qué es la regresión logística?
Un algoritmo utilizado para la clasificación binaria basado en la regresión lineal.
p.26
Modelos lineales en aprendizaje automático
¿Cómo se define la variable dependiente en el modelo?
Binaria, indicando si la especie es iris-setosa (0) o diferente (1).
p.17
Modelos lineales en aprendizaje automático
¿Qué son los modelos lineales en clasificación?
Son algoritmos que utilizan una combinación lineal de características para clasificar datos en diferentes categorías.
p.18
Regresión lineal y su aplicación
¿Cuál es la función del método 'fit' en scikit-learn?
Ajustar los parámetros de regresión lineal a los datos.
p.4
Modelos lineales en aprendizaje automático
¿Cuál es el objetivo del proceso de aprendizaje en modelos lineales para clasificación?
Estimar los parámetros w y b.
p.46
Máquinas de vectores de soporte (SVM)
¿Cuáles son las tres propiedades que hacen atractivos a los SVM?
Construyen un separador de márgenes máximos.
p.82
Árboles de decisión y su construcción
¿Cómo se crean los nuevos datasets en el bootstrapping?
Se crean datasets tan grandes como el original, pero sin aproximadamente un tercio de sus datos y con algunos repetidos.
p.40
Perceptrón y su funcionamiento
¿Cuál es la función del método fit en la clase Perceptron?
Ajustar los pesos del perceptrón utilizando los datos de entrada y las etiquetas.
p.16
Modelos lineales en aprendizaje automático
¿Qué son los modelos lineales en clasificación?
Son algoritmos que utilizan una combinación lineal de características para clasificar datos en diferentes categorías.
p.31
Análisis discriminante lineal (LDA)
¿Qué relación analiza el LDA en el contexto financiero?
La relación entre los rendimientos de los activos y los factores macroeconómicos.
p.38
Perceptrón y su funcionamiento
¿Con qué se compara la suma ponderada en un perceptrón?
Con un umbral de decisión.
p.42
Máquinas de vectores de soporte (SVM)
¿Qué es un hiperplano en el contexto de modelos lineales para clasificación?
Es una superficie de decisión que divide el espacio de características en dos regiones separadas, una para cada clase.
p.80
Overfitting y técnicas de pruning en árboles de decisión
¿Cuál es uno de los problemas comunes de los árboles de decisión?
Tienden a hacer overfitting.
p.59
Árboles de decisión y su construcción
¿Cómo se dividen los problemas en un árbol de decisión?
En subproblemas que pueden resolverse recursivamente.
p.28
Regresión logística para clasificación binaria
¿Qué tipo de algoritmo es la regresión logística?
Es un algoritmo de clasificación.
p.24
Regresión logística para clasificación binaria
¿Qué representa la escala continua entre 0 y 1 en el modelo?
La probabilidad de que la variable dependiente tome el valor de 'éxito'.
p.65
Árboles de decisión y su construcción
¿Qué tipo de errores se pueden comentar en un árbol de decisión?
Errores como el tiempo de espera y si está lleno.
p.5
Error cuadrático medio (ECM) como criterio de evaluación
¿En qué tipo de aprendizaje se utiliza principalmente el Error Cuadrático Medio?
En aprendizaje automático supervisado.
p.2
Regresión lineal y su aplicación
¿Cómo establece la regresión lineal la relación entre las variables?
Mediante la minimización del error cuadrático medio.
p.45
Árboles de decisión y su construcción
¿Qué son los árboles de decisión en el contexto del aprendizaje automático?
Son algoritmos de clasificación utilizados en aprendizaje supervisado.
p.76
Árboles de decisión y su construcción
¿Qué representa la profundidad de un árbol de decisión?
El número de niveles que tiene el árbol desde la raíz hasta las hojas.
p.41
Máquinas de vectores de soporte (SVM)
¿Qué tipo de problemas resuelven los SVM?
Problemas de clasificación y regresión.
p.32
Análisis discriminante lineal (LDA)
¿Cuáles son las limitaciones del Análisis Discriminante Lineal (LDA)?
Supone que las distribuciones de los datos en cada grupo son normales y que tienen matrices de covarianza iguales.
p.80
Métodos de ensamble como Random Forests
¿Cuál es la idea detrás de un Random Forest?
Cada árbol es bueno para hacer una predicción, pero puede hacer overfitting de parte de los datos.
p.59
Árboles de decisión y su construcción
¿Qué significa 'atributo más importante' en el contexto de árboles de decisión?
Aquel atributo que genera más diferencia respecto a la clasificación.
p.28
Regresión logística para clasificación binaria
¿La regresión logística es un algoritmo de regresión?
No, es un algoritmo de clasificación.
p.24
Regresión logística para clasificación binaria
¿En qué campos se utilizan comúnmente los modelos de regresión logística?
Epidemiología, biología, psicología e investigación de mercado.
p.35
Perceptrón y su funcionamiento
¿Cuál es el objetivo del perceptrón?
Buscar un hiperplano que separe las muestras en dos clases.
p.36
Perceptrón y su funcionamiento
¿Para qué se utiliza comúnmente el perceptrón?
Para clasificar datos en dos grupos: positivo y negativo.
p.35
Perceptrón y su funcionamiento
¿Qué sucede si las muestras no son linealmente separables?
El perceptrón no podrá encontrar una solución.
p.16
Modelos lineales en aprendizaje automático
¿Cuál es la principal ventaja de los modelos lineales?
Son simples de interpretar y rápidos de entrenar.
p.37
Regresión logística para clasificación binaria
¿Qué recibe el algoritmo como entrada?
Un conjunto de datos etiquetados.
p.45
Árboles de decisión y su construcción
¿Cómo se considera actualmente el uso de árboles de decisión?
Es uno de los frameworks más populares para aprendizaje supervisado.
p.84
Árboles de decisión y su construcción
¿Qué sucede si max_features es 1?
Los splits no pueden elegir y solo logran diferentes rangos de datos en una única característica elegida aleatoriamente.
p.7
Error cuadrático medio (ECM) como criterio de evaluación
¿Qué representa 'n' en la fórmula del ECM?
'n' es el número de observaciones.
p.59
Árboles de decisión y su construcción
¿Qué se debe testear primero al construir un árbol de decisión?
El primer atributo más importante.
p.21
Regresión lineal y su aplicación
¿Qué representa la proporción de variación de los resultados en un modelo?
La variación que puede explicarse por el modelo.
p.67
Árboles de decisión y su construcción
¿Qué se puede decir sobre el atributo 'Patrons' en los árboles de decisión?
No es perfecto, pero es bastante bueno.
p.67
Árboles de decisión y su construcción
¿Qué información aporta el atributo 'Type' en los árboles de decisión?
No agrega información ya que deja la misma proporción de positivos y negativos.
p.20
Error cuadrático medio (ECM) como criterio de evaluación
¿Qué es el coeficiente de determinación R2?
Una medida que indica la proporción de la varianza en la variable dependiente que es predecible a partir de las variables independientes.
p.14
Modelos lineales en aprendizaje automático
¿Qué representa cada fila en la matriz X?
Cada fila es un dato, como un inmueble si queremos predecir su valor de venta.
p.55
Overfitting y técnicas de pruning en árboles de decisión
¿Qué problema puede surgir al usar un árbol de decisión que se ajusta perfectamente a los datos de entrenamiento?
Probablemente no se generalizará a nuevos ejemplos.
p.14
Modelos lineales en aprendizaje automático
¿Qué representan las columnas en la matriz X?
Cada columna es un atributo relevante, como cuántas habitaciones tiene o metros cuadrados.
p.16
Modelos lineales en aprendizaje automático
¿Qué tipo de problemas pueden resolver los modelos lineales?
Problemas de clasificación binaria y multiclase.
p.70
Árboles de decisión y su construcción
¿Qué representan p y n en un conjunto de datos de entrenamiento?
p son muestras positivas y n son muestras negativas.
p.44
Máquinas de vectores de soporte (SVM)
¿Qué se crea después de ajustar el modelo SVM al conjunto de datos?
Una malla de puntos para el gráfico.
p.16
Modelos lineales en aprendizaje automático
¿Qué papel juega la regularización en los modelos lineales?
Ayuda a prevenir el overfitting al penalizar modelos complejos.
p.50
Modelos lineales en aprendizaje automático
¿Qué indican valores altos de Gamma?
Que tienen un alcance limitado.
p.9
Regresión lineal y su aplicación
¿Cómo se definen los datos de entrada en el código?
Con un array de numpy que se reestructura.
p.51
Modelos lineales en aprendizaje automático
¿Qué es la función de decisión en un modelo lineal?
Es la función que determina la clase a la que pertenece un dato basado en sus características.
p.29
Análisis discriminante lineal (LDA)
¿Cuál es el objetivo principal del LDA?
Encontrar una función lineal que maximice la separación entre grupos de datos.
p.61
Árboles de decisión y su construcción
¿Por qué se considera que el atributo 'Type' es pobre en árboles de decisión?
Porque deja con 4 resultados que tienen la misma cantidad de positivos que de negativos.
p.47
Máquinas de vectores de soporte (SVM)
¿Cuáles son las propiedades atractivas de las Máquinas de Vectores de Soporte (SVM)?
Crean un hiperplano de separadores lineales.
p.69
Árboles de decisión y su construcción
¿Qué mide la entropía en un conjunto de datos?
La probabilidad de los eventos que lo componen.
p.31
Análisis discriminante lineal (LDA)
¿En qué aplicaciones se utiliza el LDA?
Reconocimiento de voz, identificación de huellas dactilares y clasificación de imágenes.
p.38
Perceptrón y su funcionamiento
¿Qué hace el perceptrón con la entrada?
Calcula la suma ponderada de las características.
p.74
Árboles de decisión y su construcción
¿Qué tipo de datos se utilizará para armar el árbol de decisión?
Un set de datos que tiene una forma de dos medialunas.
p.26
Modelos lineales en aprendizaje automático
¿Cuáles son las dos características seleccionadas en el modelo?
Longitud y ancho del pétalo.
p.75
Árboles de decisión y su construcción
¿Qué sucede si x[1] es menor o igual a 0.06?
Se asignan 2 a clase 0 y 32 a clase 1.
p.7
Error cuadrático medio (ECM) como criterio de evaluación
¿Cuál es la fórmula para calcular el Error Cuadrático Medio (ECM)?
ECM = (1/n) * sum((y - y_pred)^2)
p.15
Regresión lineal y su aplicación
¿Cuál es la fórmula utilizada para generar los datos?
y = 0.1x + 1.25 + N(0, 0.2).
p.51
Modelos lineales en aprendizaje automático
¿Qué se busca optimizar en los modelos lineales para clasificación?
La separación de clases en el espacio de características.
p.7
Error cuadrático medio (ECM) como criterio de evaluación
¿Qué representa 'y' en la fórmula del ECM?
'y' es el valor observado.
p.29
Análisis discriminante lineal (LDA)
¿Qué busca el algoritmo LDA en las características de los datos?
Una combinación lineal que maximice la separación entre las clases.
p.6
Error cuadrático medio (ECM) como criterio de evaluación
¿Qué indica un ECM bajo?
Que el modelo es capaz de predecir los valores de la variable de salida con mayor precisión.
p.62
Árboles de decisión y su construcción
¿Qué sucede cuando el valor de 'Patrons' es Full?
Tenemos una mezcla de valores y necesitamos más información.
p.14
Modelos lineales en aprendizaje automático
¿Qué se debe proporcionar en el aprendizaje de modelos lineales para clasificación?
Los resultados en forma de vector de M elementos.
p.31
Análisis discriminante lineal (LDA)
¿Qué es el LDA?
Análisis discriminante lineal, un algoritmo para clasificación.
p.72
Árboles de decisión y su construcción
¿Cómo se elige el atributo en un árbol de decisión?
Se elige el atributo con la ganancia de información (IG) más grande.
p.83
Árboles de decisión y su construcción
¿Qué sucede si max_features es igual a la cantidad total de características?
En cada split se mirará a la cantidad total de características y no habrá aleatoriedad en la selección.
p.66
Árboles de decisión y su construcción
¿Qué representan las hojas en un árbol de decisión?
Conjuntos de muestras que son todos positivos o todos negativos.
p.74
Árboles de decisión y su construcción
¿Qué es un árbol de decisión en el contexto de algoritmos de clasificación?
Es una estructura que permite tomar decisiones basadas en condiciones if / else.
p.37
Regresión logística para clasificación binaria
¿Cuál es el objetivo del algoritmo en modelos lineales para clasificación?
Encontrar un umbral de decisión que clasifique correctamente los datos.
p.42
Máquinas de vectores de soporte (SVM)
¿Qué técnica utiliza SVM para datos no linealmente separables?
Kernel trick, que mapea los datos a un espacio de características de mayor dimensión.
p.71
Árboles de decisión y su construcción
¿Qué representa la entropía en el contexto de lanzar una moneda balanceada?
H(balanceada) = - (0.5log20.5 + 0.5log20.5) = 1.
p.57
Árboles de decisión y su construcción
¿Qué representa el vector x en un árbol de decisión?
Un vector de valores de atributos de entrada.
p.80
Métodos de ensamble como Random Forests
¿Qué es un Random Forest?
Es una colección de árboles de decisión donde cada árbol es levemente diferente a los otros.
p.6
Error cuadrático medio (ECM) como criterio de evaluación
¿Cómo se calcula el Error Cuadrático Medio (ECM)?
Como la media de los cuadrados de las diferencias entre los valores observados y los valores predichos por el modelo.
p.62
Árboles de decisión y su construcción
¿Por qué es mejor el atributo 'Patrons' en árboles de decisión?
Porque si el valor es None o Some, podemos responder definitivamente sí o no.
p.72
Árboles de decisión y su construcción
¿Qué hace un atributo elegido A en un conjunto de entrenamiento E?
Divide el conjunto de entrenamiento E en los subconjuntos E1, ..., Ev de acuerdo con sus valores para A.
p.2
Modelos lineales en aprendizaje automático
¿Qué significa que un algoritmo sea 'paramétrico'?
Significa que sabemos cuántos parámetros (o coeficientes) necesitaremos antes de mirar los datos.
p.82
Árboles de decisión y su construcción
¿Qué significa 'selección con repetición' en bootstrapping?
Significa que el punto de dato seleccionado vuelve al set original para poder ser seleccionado nuevamente.
p.69
Árboles de decisión y su construcción
¿Qué indica una entropía máxima en un conjunto de datos?
Que todos los eventos son igualmente probables y el conjunto es muy aleatorio e incierto.
p.69
Árboles de decisión y su construcción
¿Qué sucede cuando todos los eventos tienen la misma probabilidad en un conjunto de datos?
La entropía es mínima y el conjunto es más predecible y menos incierto.
p.44
Máquinas de vectores de soporte (SVM)
¿Qué conjunto de datos se utiliza en el modelo de clasificación?
El conjunto de datos de iris.
p.49
Modelos lineales en aprendizaje automático
¿Qué hace el Kernel Polinomial?
Calcula todos los posibles polinomios hasta cierto grado.
p.42
Máquinas de vectores de soporte (SVM)
¿Cómo encuentra SVM el hiperplano óptimo?
Maximizando la distancia entre los puntos de datos de cada clase y el hiperplano, conocido como margen.
p.23
Regresión logística para clasificación binaria
¿Cuál es la relación que analiza la regresión logística?
Entre una variable dependiente binaria y una o más variables independientes.
p.33
Análisis discriminante lineal (LDA)
¿Qué conjunto de datos se carga en el código?
El conjunto de datos Iris.
p.64
Árboles de decisión y su construcción
¿Cuál es la función principal de un árbol de decisión?
Clasificar datos en diferentes categorías basándose en preguntas sobre las características de los datos.
p.22
Modelos lineales en aprendizaje automático
¿Qué tipo de problemas pueden resolver los modelos lineales?
Problemas de clasificación binaria y multiclase.
p.54
Árboles de decisión y su construcción
¿Qué se obtiene al dividir los nodos en función de una característica?
La ganancia de información.
p.46
Máquinas de vectores de soporte (SVM)
¿Qué significa un separador de márgenes máximos?
Es un límite de separador con la distancia posible más grande a puntos de la muestra.
p.77
Overfitting y técnicas de pruning en árboles de decisión
¿Qué indica un árbol de decisión con profundidad igual a 9?
Puede estar ajustando completamente el conjunto de entrenamiento.
p.47
Máquinas de vectores de soporte (SVM)
¿Qué habilidad tienen las SVM en relación a los datos?
Embeber los datos a un espacio de dimensión mayor utilizando el mecanismo llamado kernel trick.
p.66
Árboles de decisión y su construcción
¿Qué se busca al elegir un atributo para clasificar las muestras?
Una clasificación exacta de las muestras.
p.66
Árboles de decisión y su construcción
¿Qué caracteriza a un atributo perfecto en un árbol de decisión?
Divide las muestras en conjuntos que son todos positivos o todos negativos.
p.1
Modelos lineales en aprendizaje automático
¿Qué se asume en los modelos lineales respecto a las variables?
Que existe una relación lineal entre las variables de entrada y la variable de salida.
p.11
Regresión lineal y su aplicación
¿Qué biblioteca se utiliza para realizar la regresión lineal en el código?
MathNet.Numerics.LinearRegression.
p.58
Modelos lineales en aprendizaje automático
¿Qué son los modelos lineales para clasificación?
Son algoritmos que utilizan una combinación lineal de características para clasificar datos en diferentes categorías.
p.50
Modelos lineales en aprendizaje automático
¿Qué indican valores bajos de Gamma?
Que se llega lejos en la influencia de un solo valor de entrenamiento.
p.84
Árboles de decisión y su construcción
¿Qué implica un número bajo de max_features?
Los árboles serán bastante diferentes y cada árbol necesitaría ir muy profundo para hacer un buen fit de datos.
p.71
Árboles de decisión y su construcción
¿Cuál es la entropía de una moneda cargada con un 99% de probabilidad de que salga cara?
H(cargada) = - (0.99log20.99 + 0.01log20.01) = 0.08.
p.7
Error cuadrático medio (ECM) como criterio de evaluación
¿Qué representa 'y_pred' en la fórmula del ECM?
'y_pred' es el valor predicho por el modelo.
p.33
Análisis discriminante lineal (LDA)
¿Qué representan los ejes del gráfico de dispersión?
Componente LDA 1 y Componente LDA 2.
p.25
Regresión logística para clasificación binaria
¿Qué características se seleccionan del conjunto de datos Iris?
Las dos primeras características.
p.39
Perceptrón y su funcionamiento
¿Cómo se actualizan los pesos en el método 'fit'?
Se actualizan según la diferencia entre la etiqueta real y la predicción, multiplicada por la tasa de aprendizaje y la entrada.
p.12
Error cuadrático medio (ECM) como criterio de evaluación
¿Qué es y_i en la fórmula del MSE?
El valor real del punto i.
p.63
Árboles de decisión y su construcción
¿Qué indica la existencia de atributos con la misma descripción pero diferente clasificación?
Que existe error o ruido en los datos.
p.30
Análisis discriminante lineal (LDA)
¿De qué se deriva la función lineal en el LDA?
De las medias y covarianzas de los grupos de datos existentes.
p.49
Modelos lineales en aprendizaje automático
¿Qué es el Kernel Trick en modelos lineales para clasificación?
Es una técnica que agrega características no lineales a la representación de los datos para hacer modelos lineales más poderosos.
p.83
Árboles de decisión y su construcción
¿Qué se entiende por 'randomness by features' en el contexto de árboles de decisión?
Se refiere a la aleatoriedad en la selección de características para cada split.
p.16
Modelos lineales en aprendizaje automático
¿Qué es la función de decisión en un modelo lineal?
Es una función que determina la clase a la que pertenece un dato basado en una combinación lineal de sus características.
p.81
Overfitting y técnicas de pruning en árboles de decisión
¿Qué técnica se utiliza para reducir el overfitting en árboles de decisión?
Promediar los resultados de diferentes árboles.
p.13
Modelos lineales en aprendizaje automático
¿Qué significa 'WX' en el contexto de modelos lineales?
Es el producto escalar de los pesos y las variables de entrada.
p.32
Análisis discriminante lineal (LDA)
¿Qué se requiere sobre las matrices de covarianza en el LDA?
Que sean iguales entre los grupos.
p.51
Modelos lineales en aprendizaje automático
¿Qué tipo de problemas resuelven los modelos lineales para clasificación?
Problemas de clasificación binaria o multiclase.
p.11
Error cuadrático medio (ECM) como criterio de evaluación
¿Cómo se calcula el error cuadrático medio (ECM) en el código?
Sumando los cuadrados de las diferencias entre los valores reales y los predichos, y dividiendo por la cantidad de datos.
p.81
Métodos de ensamble como Random Forests
¿Qué clases se utilizan para construir un random forest en Python?
RandomForestRegressor o RandomForestClassifier.
p.64
Árboles de decisión y su construcción
¿Qué se entiende por 'nodo' en un árbol de decisión?
Un nodo representa una característica o atributo en el proceso de toma de decisiones.
p.78
Overfitting y técnicas de pruning en árboles de decisión
¿Qué se requiere en un nodo para seguir haciendo split en pre-pruning?
Un número mínimo de puntos.
p.12
Error cuadrático medio (ECM) como criterio de evaluación
¿Qué es y_pred_i en la fórmula del MSE?
La predicción de la regresión para el punto i.
p.76
Árboles de decisión y su construcción
¿Qué significa un árbol de decisión con profundidad = 2?
Significa que el árbol tiene un nivel de raíz y un nivel adicional de nodos hijos.
p.37
Regresión logística para clasificación binaria
¿Qué ajusta el algoritmo en los modelos lineales para clasificación?
Los pesos de las características de entrada.
p.15
Modelos lineales en aprendizaje automático
¿Qué tipo de datos se generan para la clasificación?
Datos que siguen una línea con ruido gaussiano.
p.51
Modelos lineales en aprendizaje automático
¿Qué son los modelos lineales para clasificación?
Son algoritmos que utilizan una combinación lineal de características para clasificar datos en diferentes categorías.
p.13
Modelos lineales en aprendizaje automático
¿Qué representa 'b' en un modelo lineal?
Es el término independiente o sesgo.
p.22
Modelos lineales en aprendizaje automático
¿Qué son los modelos lineales en clasificación?
Son algoritmos que utilizan una combinación lineal de características para clasificar datos en diferentes categorías.
p.48
Máquinas de vectores de soporte (SVM)
¿Qué significa que las SVM sean métodos no paramétricos?
Retienen los valores de entrenamiento.
p.50
Modelos lineales en aprendizaje automático
¿Qué es el parámetro C en los modelos lineales?
Es un parámetro de regularización que limita la importancia de cada punto.
p.68
Árboles de decisión y su construcción
¿Para qué se utiliza la entropía en el contexto de datos?
Para medir la cantidad de información contenida en un mensaje o conjunto de datos.
p.12
Regresión lineal y su aplicación
¿Qué función se utiliza para realizar la regresión lineal?
SimpleRegression.Fit() de la biblioteca MathNet.Numerics.LinearRegression.
p.39
Perceptrón y su funcionamiento
¿Qué es un Perceptrón?
Es un modelo lineal utilizado para clasificación en aprendizaje automático.
p.52
Árboles de decisión y su construcción
¿Qué implica un valor pequeño de C?
Significa un modelo menos restringido donde cada punto tiene influencia limitada.
p.12
Error cuadrático medio (ECM) como criterio de evaluación
¿Qué representa 'n' en la fórmula del MSE?
El número de puntos de datos.
p.56
Árboles de decisión y su construcción
¿Cuál es el problema que se aborda con los árboles de decisión en este contexto?
Decidir si esperar por una mesa en un restaurante.
p.43
Máquinas de vectores de soporte (SVM)
¿Cómo se crea una malla de puntos para el gráfico?
Usando np.meshgrid() con rangos de los valores mínimos y máximos de las características.
p.25
Regresión logística para clasificación binaria
¿Qué etiquetas se utilizan para los ejes en el gráfico?
Longitud del pétalo y Ancho del pétalo.
p.56
Árboles de decisión y su construcción
¿Cómo se clasifica el tiempo de espera estimado?
0 - 10, 10 - 30, 30 - 60, > 60.
p.49
Modelos lineales en aprendizaje automático
¿Cuáles son las dos formas de mapear datos en un espacio de más alta dimensión?
Kernel Polinomial y Kernel Gaussiano (RBF).
p.23
Regresión logística para clasificación binaria
¿Qué predice la regresión logística?
La probabilidad de que una muestra pertenezca a una clase particular.
p.75
Árboles de decisión y su construcción
¿Qué sucede si x[1] es mayor a 0.06?
Se asignan 48 a clase 0 y 18 a clase 1.
p.23
Regresión logística para clasificación binaria
¿Qué tipos de variables independientes puede utilizar la regresión logística?
Variables continuas, categóricas o de cualquier otro tipo.
p.70
Árboles de decisión y su construcción
¿Qué se puede decir sobre la entropía de datos distribuidos no uniformemente?
Es siempre menor o igual al log2(n).
p.68
Árboles de decisión y su construcción
¿Qué representa la entropía en un conjunto de datos?
Es una medida de incertidumbre o aleatoriedad.
p.71
Árboles de decisión y su construcción
¿Qué indica un valor de entropía más bajo en un árbol de decisión?
Menor incertidumbre en la clasificación.
p.78
Overfitting y técnicas de pruning en árboles de decisión
¿Qué implica el post-pruning en árboles de decisión?
Crear el árbol completamente y luego remover o colapsar nodos que proporcionan poca información.
p.34
Análisis discriminante lineal (LDA)
¿A cuántos componentes principales se reducen los datos en el ejemplo?
A dos componentes principales.
p.12
Error cuadrático medio (ECM) como criterio de evaluación
¿Cómo se calcula el error cuadrático medio (MSE)?
MSE = 1/n * sum((y_i - y_pred_i)^2).
p.53
Árboles de decisión y su construcción
¿Qué ocurre después de que se establece el nodo raíz en un árbol de decisión?
Se divide en dos o más nodos secundarios según una regla de decisión.
p.13
Modelos lineales en aprendizaje automático
¿Cuál es la expresión general de un modelo lineal con múltiples variables?
y = b + w0x0 + w1x1 + w2x2 + ... + wNxN.
p.44
Máquinas de vectores de soporte (SVM)
¿Qué se muestra en el gráfico final?
Los puntos de datos, el hiperplano y el margen.
p.42
Máquinas de vectores de soporte (SVM)
¿Qué se puede hacer una vez que se encuentra el hiperplano óptimo en SVM?
Clasificar nuevos datos basándose en su posición en relación al hiperplano.
p.22
Modelos lineales en aprendizaje automático
¿Cuál es la principal ventaja de los modelos lineales?
Son simples de interpretar y rápidos de entrenar.
p.33
Análisis discriminante lineal (LDA)
¿Qué se obtiene al aplicar el método fit_transform en el modelo LDA?
Los componentes LDA transformados.
p.53
Árboles de decisión y su construcción
¿Qué representa cada nodo en un árbol de decisión?
Cada nodo representa una característica (o atributo).
p.22
Modelos lineales en aprendizaje automático
¿Qué se necesita para entrenar un modelo lineal?
Un conjunto de datos etiquetados que contenga características y sus respectivas clases.
p.34
Análisis discriminante lineal (LDA)
¿Cómo se representan las diferentes etiquetas de las flores en el gráfico?
Utilizando diferentes colores.
p.25
Regresión logística para clasificación binaria
¿Qué objeto se crea para realizar la regresión logística?
clf = LogisticRegression(random_state=0).
p.12
Modelos lineales en aprendizaje automático
¿Qué se hace después de calcular el MSE?
Se muestran los resultados.
p.43
Máquinas de vectores de soporte (SVM)
¿Qué se muestra en el gráfico además del hiperplano?
Los puntos de datos de las flores de Iris.
p.54
Árboles de decisión y su construcción
¿Cuál es el primer paso en la construcción de un árbol de decisión?
Elegir la mejor característica para dividir en cada nodo.
p.33
Análisis discriminante lineal (LDA)
¿Qué modelo se crea y ajusta a los datos en el código?
LinearDiscriminantAnalysis (LDA).
p.64
Árboles de decisión y su construcción
¿Cómo se construye un árbol de decisión?
Se construye dividiendo los datos en subconjuntos basados en las características que mejor separan las clases.
p.71
Árboles de decisión y su construcción
¿Qué se busca al calcular la entropía en algoritmos de clasificación?
Medir la impureza o incertidumbre de un conjunto de datos.
p.53
Árboles de decisión y su construcción
¿Qué representa cada borde en un árbol de decisión?
Cada borde representa una regla de decisión basada en una característica.
p.10
Modelos lineales en aprendizaje automático
¿Cómo se obtienen la pendiente y el intercepto del modelo ajustado?
Utilizando los atributos coef_ e intercept_ del objeto LinearRegression.
p.34
Análisis discriminante lineal (LDA)
¿Qué demuestra el resultado del gráfico en relación a los grupos de flores?
Que los diferentes grupos de flores están bien separados.
p.63
Árboles de decisión y su construcción
¿Qué ocurre si las muestras restantes son todas positivas o negativas?
Termina, se puede responder sí o no.
p.32
Análisis discriminante lineal (LDA)
¿En qué situaciones es útil el LDA?
Para la clasificación de datos en situaciones donde se conocen las etiquetas de los datos de entrenamiento.
p.11
Regresión lineal y su aplicación
¿Qué representan 'slope' e 'intercept' en el contexto de la regresión lineal?
Slope es la pendiente y intercept es la intercepción.
p.48
Máquinas de vectores de soporte (SVM)
¿Qué ventaja tienen las SVM en la práctica respecto a las muestras?
A menudo retienen solo una fracción pequeña de las muestras.
p.78
Overfitting y técnicas de pruning en árboles de decisión
¿Cuáles son las técnicas para evitar el overfitting en árboles de decisión?
Pre-pruning y post-pruning.
p.11
Regresión lineal y su aplicación
¿Qué se muestra en la consola al final del programa?
La pendiente, la intercepción y el error cuadrático medio.
p.9
Regresión lineal y su aplicación
¿Qué representa 'model.intercept_'?
El intercepto del modelo.
p.64
Árboles de decisión y su construcción
¿Qué representa una 'hoja' en un árbol de decisión?
Una hoja representa una clase o categoría final en el proceso de clasificación.
p.43
Máquinas de vectores de soporte (SVM)
¿Qué características se utilizan del conjunto de datos de Iris?
Solo dos características: longitud y anchura del sépalo.
p.53
Árboles de decisión y su construcción
¿Qué representan los nodos hoja en un árbol de decisión?
Representan las clases o valores de regresión finales.
p.63
Árboles de decisión y su construcción
¿Cuáles son los cuatro casos que debe considerar el algoritmo de árbol de decisión en su recursividad?
1. Muestras todas positivas o negativas. 2. Elegir el mejor atributo siguiente. 3. No quedan más muestras. 4. Atributos con la misma descripción pero diferente clasificación.
p.63
Árboles de decisión y su construcción
¿Qué significa si no quedan más muestras en un árbol de decisión?
Se devuelve un valor por defecto calculado de la clasificación por votación plural de todas las muestras que se utilizaron para construir el nodo padre.
p.84
Overfitting y técnicas de pruning en árboles de decisión
¿Qué implica un número alto de max_features?
Significa que todos los árboles serán bastante similares, lo que puede llevar a una tendencia al overfitting.
p.57
Árboles de decisión y su construcción
¿Qué es un árbol de decisión Booleano?
Es un modelo que consiste en pares (x, y), donde x es un vector de valores de atributos de entrada e y es un valor de salida.
p.64
Árboles de decisión y su construcción
¿Qué es un árbol de decisión?
Es un modelo de clasificación que utiliza una estructura en forma de árbol para tomar decisiones basadas en características de los datos.
p.70
Árboles de decisión y su construcción
¿Cuándo es la entropía igual a 0?
Cuando hay certeza de que va a ocurrir una salida.
p.58
Modelos lineales en aprendizaje automático
¿Qué se busca optimizar en los modelos lineales para clasificación?
La separación entre las diferentes clases en el espacio de características.
p.9
Error cuadrático medio (ECM) como criterio de evaluación
¿Cómo se calcula el error cuadrático medio (ECM)?
Con la media de las diferencias al cuadrado entre los valores reales y las predicciones.
p.10
Error cuadrático medio (ECM) como criterio de evaluación
¿Cómo se calcula el error cuadrático medio?
Utilizando la función mean() de NumPy.
p.56
Árboles de decisión y su construcción
¿Cómo se clasifica el número de personas en el restaurante?
Ninguno, Algunos, Completo.
p.48
Máquinas de vectores de soporte (SVM)
¿Cuáles son las propiedades atractivas de las Máquinas de Vectores de Soporte (SVM)?
Son métodos no paramétricos, retienen los valores de entrenamiento y combinan ventajas de modelos no paramétricos y paramétricos.
p.68
Árboles de decisión y su construcción
¿Cómo se define la entropía H(V)?
H(V) = I(P(v1), …, P(vn)) = Σ i=1 - P(vi) log2 P(vi).
p.23
Regresión logística para clasificación binaria
¿Qué valores puede tomar una variable dependiente en regresión logística?
Dos valores posibles, como sí/no, verdadero/falso, éxito/fracaso.
p.34
Análisis discriminante lineal (LDA)
¿Qué conjunto de datos se utiliza en el ejemplo de modelos lineales para clasificación?
El conjunto de datos Iris.
p.52
Árboles de decisión y su construcción
¿Qué ocurre con un valor alto de gamma?
Considera como cercanos a pocos puntos, aumentando la complejidad del modelo.
p.53
Árboles de decisión y su construcción
¿Cómo comienza un árbol de decisión?
Con un nodo raíz que representa la característica más importante del conjunto de datos.
p.43
Máquinas de vectores de soporte (SVM)
¿Qué título se le da al gráfico?
Clasificación de flores de Iris con SVM.
p.52
Árboles de decisión y su construcción
¿Cómo se incrementa gamma en los árboles de decisión?
De 0.1 a 10, de izquierda a derecha.
p.81
Árboles de decisión y su construcción
¿Cuáles son las dos formas de generar randomización en árboles de decisión?
Seleccionar puntos de datos (bootstrapping) o seleccionar características.
p.52
Árboles de decisión y su construcción
¿Qué significa un valor bajo de gamma en un modelo?
Muchos puntos se consideran cercanos, lo que resulta en un modelo de menos complejidad.
p.53
Árboles de decisión y su construcción
¿Qué son los árboles de decisión?
Son un algoritmo de aprendizaje supervisado utilizado para la clasificación y la regresión.
p.54
Árboles de decisión y su construcción
¿Para qué se utiliza un árbol de decisión una vez construido?
Para hacer predicciones sobre nuevos datos.
p.78
Overfitting y técnicas de pruning en árboles de decisión
¿Qué se puede limitar en el pre-pruning para evitar el overfitting?
La profundidad del árbol y la cantidad de hojas.
p.54
Árboles de decisión y su construcción
¿Qué representa un nodo hoja en un árbol de decisión?
La clase o el valor de regresión final.
p.10
Modelos lineales en aprendizaje automático
¿Qué se hace con los resultados después de calcular el error cuadrático medio?
Imprimimos los resultados en la consola.
p.63
Árboles de decisión y su construcción
¿Qué se debe hacer si hay muestras positivas y negativas en un árbol de decisión?
Elegir el mejor atributo siguiente que las divida.
p.78
Overfitting y técnicas de pruning en árboles de decisión
¿Qué es el pre-pruning en árboles de decisión?
Es frenar la creación del árbol de antemano limitando su profundidad, la cantidad de hojas o requiriendo un número mínimo de puntos en un nodo.
p.48
Máquinas de vectores de soporte (SVM)
¿Qué flexibilidad ofrecen las SVM?
Tienen la flexibilidad de representar funciones complejas.
p.33
Análisis discriminante lineal (LDA)
¿Qué se grafica en el gráfico de dispersión?
Los dos primeros componentes LDA.
p.34
Análisis discriminante lineal (LDA)
¿Qué tipo de gráfico se utiliza para visualizar los dos primeros componentes LDA?
Un gráfico de dispersión.
p.25
Regresión logística para clasificación binaria
¿Cómo se define la variable dependiente binaria en el código?
y = (iris.target != 0) * 1.
p.39
Perceptrón y su funcionamiento
¿Qué hace el método 'predict' en la clase Perceptron?
Realiza predicciones sobre nuevos datos utilizando los pesos y el sesgo ajustados.
p.43
Máquinas de vectores de soporte (SVM)
¿Qué se predice en la malla de puntos?
Las clases de las flores de Iris utilizando el modelo SVM.
p.58
Modelos lineales en aprendizaje automático
¿Qué significa que un modelo sea lineal?
Que la relación entre las variables independientes y la variable dependiente es una línea recta.
p.10
Modelos lineales en aprendizaje automático
¿Cuál es el primer paso para crear un modelo lineal para clasificación?
Creamos los datos de ejemplo x e y.
p.22
Modelos lineales en aprendizaje automático
¿Qué es la función de decisión en un modelo lineal?
Es una función que determina la clase a la que pertenece un dato basado en una combinación lineal de sus características.
p.57
Árboles de decisión y su construcción
¿Qué significa 'Alt=Yes' en el contexto de un árbol de decisión?
Es un atributo que indica una condición específica para la clasificación.
p.54
Árboles de decisión y su construcción
¿Cómo se determina la ruta a seguir en un árbol de decisión?
Comparando los datos de prueba con las reglas de decisión en cada nodo.
p.63
Árboles de decisión y su construcción
¿Cómo se inicia el proceso de un árbol de decisión?
El primer atributo divide las muestras.
p.9
Regresión lineal y su aplicación
¿Qué se grafica en el código?
Los datos originales y la línea de regresión ajustada.
p.56
Árboles de decisión y su construcción
¿Qué tipo de restaurantes se consideran en la decisión?
Francés, italiano, tailandés, hamburguesa.
p.52
Árboles de decisión y su construcción
¿Cómo se incrementa C en los árboles de decisión?
De 0.1 a 1000, de arriba hacia abajo.
p.52
Árboles de decisión y su construcción
¿Qué sucede al incrementar C en un modelo?
Permite que los puntos tengan más influencia en el modelo.
p.63
Árboles de decisión y su construcción
¿Qué sucede después de que se divide el primer atributo en un árbol de decisión?
La salida es un nuevo problema de árbol de decisión, con menos datos y un atributo menos.
p.53
Árboles de decisión y su construcción
¿Cómo se dividen los nodos secundarios en un árbol de decisión?
Se dividen en más nodos hasta llegar a los nodos hoja.
p.39
Perceptrón y su funcionamiento
¿Cuál es la función del método 'fit' en la clase Perceptron?
Ajusta los pesos y el sesgo del modelo basado en los datos de entrada y las etiquetas.
p.39
Perceptrón y su funcionamiento
¿Qué parámetros se pueden ajustar al crear un Perceptrón?
La tasa de aprendizaje (learning_rate) y el número de iteraciones (n_iterations).
p.34
Análisis discriminante lineal (LDA)
¿Cuál es la efectividad del análisis discriminante lineal en este contexto?
Es efectivo para la clasificación de estos datos.
p.25
Regresión logística para clasificación binaria
¿Qué se grafica junto con la frontera de decisión?
Los puntos del conjunto de datos.
