Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Prueba de Conocimientos - Training - Microsoft Learn10
Prueba de Conocimientos - Training - Microsoft Learn10
" 200 XP
Prueba de conocimientos
3 minutos
1. Está usando Scikit-learn para entrenar un modelo de regresión a partir de un conjunto de datos de ventas. Quiere poder evaluar
el modelo para asegurar que predecirá con precisión con datos nuevos. ¿Qué tiene que hacer?
Usar todos los datos para entrenar el modelo. Luego usar todos los datos para evaluarlo.
Entrenar el modelo usando solo las columnas de características y, luego, evaluarlo usando solo la
columna de etiquetas.
Dividir los datos de forma aleatoria en dos subconjuntos. Usar un subconjunto para entrenar el modelo y
el otro para evaluarlo.
" Correcto. Una forma habitual de entrenar y evaluar modelos es retener un conjunto de datos de
evaluación al entrenar.
2. Ha creado un objeto de modelo mediante la clase LinearRegression de Scikit-learn. ¿Qué debe hacer para entrenar el modelo?
Llamar al método predict() del objeto model, especificando la característica de entrenamiento y las
matrices de etiquetas.
Llamar al método fit() del objeto model, especificando la característica de entrenamiento y las matrices
de etiquetas.
3. Entrena un modelo de regresión mediante Scikit-learn. Al evaluarlo con datos de prueba, calcula que el modelo logra una métrica
de R al cuadrado de 0,95. ¿Qué le indica esta métrica sobre el modelo?
El modelo explica la mayor parte de la varianza entre los valores predichos y los reales.
" Correcto. La métrica de R al cuadrado es una medida de cuánto de la varianza se puede explicar por el
modelo.
En promedio, las predicciones son 0,95 mayores que los valores reales.
Continuar T