Prueba de aprendizaje supervisado

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. En el aprendizaje supervisado, ¿qué hace que un conjunto de datos de entrenamiento esté "etiquetado"?
   • Cada ejemplo ha sido ordenado en carpetas según su tipo y tamaño de archivo.
   • Each example is paired with a target output for the model to learn
   • Cada ejemplo ha sido comprimido para que el modelo pueda leerlo en menos tiempo.
   • Cada ejemplo incluye una marca de tiempo que registra exactamente cuándo se recopiló por primera vez.
2. ¿Qué tipo de problema de aprendizaje supervisado está resolviendo un modelo que predice si un correo electrónico es spam o no?
   • Regresión
   • Clasificación
   • Reducción de dimensionalidad
   • Agrupación
3. ¿Predecir el precio de venta de una casa a partir de su tamaño y ubicación es un ejemplo de qué?
   • Agrupación, porque casas similares se agrupan por área
   • Regresión, porque la salida es un número continuo.
   • Clasificación, porque las casas pertenecen a barrios distintos.
   • Aprendizaje por refuerzo, porque los precios recompensan a los vendedores
4. ¿Por qué los profesionales retienen un conjunto de pruebas separado que el modelo nunca ve durante el entrenamiento?
   • Para darle al modelo ejemplos adicionales una vez que su precisión de entrenamiento alcance su punto máximo
   • Para almacenar una copia de seguridad en caso de que se pierdan los datos del entrenamiento
   • Estimar qué tan bien funciona el modelo con datos nuevos e invisibles.
   • Para hacer que el entrenamiento se ejecute más rápido usando menos ejemplos
5. When should preprocessing steps such as fitted scaling be learned for a supervised-learning evaluation?
   • From all rows before splitting so the test set helps estimate them
   • From test examples only
   • From the training partition, then applied to validation and test examples
   • From whichever partition gives the best final score
6. The guide’s classifier catches 30 of 40 urgent messages and flags 20 ordinary messages. Which recall and precision values follow?
   • Recall 75%; precision 60%
   • Recall 60%; precision 75%
   • Recall 100%; precision 50%
   • Recall 30%; precision 20%
7. A dataset has repeated records for the same person. What risk can a random row split create?
   • The model is guaranteed to have low recall
   • Related records can appear in both training and test sets, leaking information
   • The target labels automatically become numerical
   • The test set is no longer allowed to contain labels
8. What can changing a classification threshold do, according to the guide?
   • Change the tradeoff between false positives and false negatives without changing learned parameters
   • Change the training labels into features
   • Guarantee both error types become zero
   • Replace the need to evaluate model performance