Desafío de Aprendizaje Supervisado vs No Supervisado

Sí o No

Jugadas 0

Crear copia

Sobre esta actividad

Verdades y engaños sobre aprendizaje automático.

Creada por

Ana Isabel Nava Perez

México

Descarga la versión para jugar en papel

Top 10 resultados

Todavía no hay resultados para este juego. ¡Sé el primero en aparecer en el ranking! Inicia sesión para identificarte.

Crea tu propio juego gratis desde nuestro creador de juegos

Compite contra tus amigos para ver quien consigue la mejor puntuación en esta actividad

Crear reto


Desafío de Aprendizaje Supervisado vs No SupervisadoVersión en línea Verdades y engaños sobre aprendizaje automático. por 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 SupervisadoVersión en línea

Verdades y engaños sobre aprendizaje automático.

por 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

Puedes integrar el juego en un LMS compatible con LTI 1.1 o LTI 1.3 como Canvas, Moodle, o Blackboard. De esta manera podrás guardar las puntuaciones automáticamente en el libro de calificaciones de esa plataforma.

Desafío de Aprendizaje Supervisado vs No Supervisado

Sí o No

Sobre esta actividad

Creada por

Descarga la versión para jugar en papel

Top juegos

Sí o No

¿Está creado con Inteligencia Artificial?

Sí o No

Grammys a mejor canción/grabación

Sí o No

¿Es verdad?

Sí o No

Preguntas sobre futbol para niños

Sí o No

OPEN UP 5 UNIT 3: THERE IS/ARE, THERE WAS, THERE WERE

Desafío de Aprendizaje Supervisado vs No SupervisadoVersión en línea

por 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.

		%
	Anónimo	%
		%
		%