Prueba de conocimientos

Completado

Comprobación de conocimientos

1.

¿Cuál es la ventaja de normalizar los datos?

Tiempos de entrenamiento más rápidos

Eliminación más precisa de los valores que faltan

Identificación de algoritmos preferentes para el entrenamiento

2.

Un modelo que está entrenando funciona bien en su conjunto de entrenamiento, pero mal en su conjunto de prueba. ¿Qué es lo más probable que ocurra?

Se ha producido un ajuste deficiente y el modelo no es lo suficientemente preciso. Debe seguir entrenando.

Se ha producido un sobreajuste y el modelo no funciona bien en los nuevos datos fuera del entrenamiento. Puede detener el entrenamiento antes o recopilar datos más diversos.

El modelo es correcto. En su lugar, debe usar los datos de entrenamiento para probar el modelo.

3.

El modelo se va a usar en una aplicación compleja, en la que se le exige un rendimiento muy fiable. ¿Cuál es el método adecuado para probar la confiabilidad de sus modelos en situaciones difíciles?

Creación de un conjunto de entrenamiento mayor

Utilice el enfoque de exclusión y cree un tercer conjunto de datos especial que incluya ejemplos en los que el resultado de sus modelos deba cumplir con los umbrales de rendimiento.

Esté atento a su costo mientras entrena. Si obtiene alguna variabilidad, puede detener el entrenamiento.

Debe responder todas las preguntas antes de comprobar su trabajo.