KNN Iris Challenge

Froggy Jumps

(4)

Jugadas 46 %Acierto 94 Tiempo medio 00:46

Crear copia

Sobre esta actividad

Quiz sobre aprendizaje automático y kNN

Creada por

Mtra. Maricela Aguilar Illán

México

Descarga la versión para jugar en papel

Top 10 resultados

#	Jugador	Acierto	tiempo
1	IVAN EMILIANO HERNANDEZ MARTINEZ 6 de Mayo de 2026	% 100	00:23
2	ANTONIO ISRAEL VICUÑA GONZALEZ 6 de Mayo de 2026	% 100	00:25
3	FERNANDA MISHEL PONCE BOJORGES 6 de Mayo de 2026	% 100	00:25
4	LILIANA AGUILAR SORIANO 6 de Mayo de 2026	% 100	00:27
5	FERNANDA REY DELGADO 6 de Mayo de 2026	% 100	00:29
6	JIMENA OJEDA ESCOBAR 6 de Mayo de 2026	% 100	00:30
7	ALEXANDRA MARTINEZ GÓMEZ 6 de Mayo de 2026	% 100	00:32
8	Karol Orochi 7 de Mayo de 2026	% 100	00:32
9	LILIAN JOHANA ROSAS VELAZQUEZ 6 de Mayo de 2026	% 100	00:36
10	ALEXANDER REGALADO ROMERO 6 de Mayo de 2026	% 100	00:45

¿Quieres aparecer en el Top 10 de este juego? 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

Salva a la Ranita

Melanie Rodriguez

Estados Unidos

(334)

Contesta las siguientes multiplicaciones correctamente para salvar a la ranita y evitar que caiga al agua, mucha suerte!
OPEN UP 6 UNIT 1 VOCABULARY

karen blixen

España

(98)

Repasamos el vocabulario de la unidad
Sabiduría animal

Educaplay Educational Resources

España

(15351)

Conviértete en un genio del Reino Animal
El valle de los lobos

Marcos Signes

España

(107)

20 preguntas de este maravilloso libro
Quiz de Culpa mía película

Yamila Chavez

Argentina

(170)

Demuestra cuánto sabes sobre la película Culpa mía con este divertido quiz.


Froggy Jumps KNN Iris ChallengeVersión en línea Quiz sobre aprendizaje automático y kNN por Mtra. Maricela Aguilar Illán 1 ¿Qué representan las variables asignadas a X en el contexto del modelo de ML? a El conjunto de datos para el examen final b La herramienta que convierte datos en una tabla Excel c Las características o pistas (medidas de pétalos y sépalos) que el modelo analiza. 2 ¿Qué sucede en la fase de entrenamiento con knn.fit(X_train, y_train)? a El modelo estudia la relación entre las medidas de las flores y sus especies correspondientes. b Se eligen los 3 vecinos más cercanos para decidir c El modelo intenta adivinar especies nunca vistas 3 ¿Para qué sirve random_state=42 al dividir los datos? a Para que el modelo use exactamente 42 vecinos b Para asegurar que la división sea la misma y los resultados sean replicables. c Para aumentar la precisión al 100% 4 Si un modelo kNN se configura con k=3, ¿cómo determina la especie de una nueva flor? a Divide la tabla en tres grupos iguales para exámenes b Selecciona tres medidas al azar e ignora las demás c Analiza las 3 flores más parecidas y elige la especie más frecuente entre ellas. 5 ¿Qué información nos proporciona la diagonal principal en una Matriz de Confusión? a Los errores específicos donde el modelo confundió una flor con otra. b La cantidad de vecinos que resultaron ser más inteligentes c El número total de aciertos 6 Al buscar el mejor valor de k, ¿en qué métrica debemos fijarnos principalmente? a En que el modelo use la menor cantidad de pistas b En el número de filas totales c En el Accuracy (exactitud), buscando el valor más cercano a 1.0. 7 ¿Cuál es la utilidad del conjunto de datos 'Test' (Prueba) según la planeación? a Limpiar los datos para eliminar errores b Simular un examen con datos que el modelo nunca vio durante su estudio. c Proveer al modelo respuestas correctas para estudiar mejor 8 ¿Qué describe mejor la división 75% entrenamiento y 25% prueba? a Se usan 75% para validar hiperparámetros b Se utilizan 75% para pruebas c Se dividen los datos para estudiar con 75% y evaluar con 25%. 9 ¿Qué representa una ‘característica’ en este contexto de ML? a El conjunto de datos para el examen b Medidas de pétalos y sépalos que describen cada flor. c La herramienta para convertir datos en tabla

Froggy Jumps

KNN Iris ChallengeVersión en línea

Quiz sobre aprendizaje automático y kNN

por Mtra. Maricela Aguilar Illán

¿Qué representan las variables asignadas a X en el contexto del modelo de ML?

El conjunto de datos para el examen final

La herramienta que convierte datos en una tabla Excel

Las características o pistas (medidas de pétalos y sépalos) que el modelo analiza.

¿Qué sucede en la fase de entrenamiento con knn.fit(X_train, y_train)?

El modelo estudia la relación entre las medidas de las flores y sus especies correspondientes.

Se eligen los 3 vecinos más cercanos para decidir

El modelo intenta adivinar especies nunca vistas

¿Para qué sirve random_state=42 al dividir los datos?

Para que el modelo use exactamente 42 vecinos

Para asegurar que la división sea la misma y los resultados sean replicables.

Para aumentar la precisión al 100%

Si un modelo kNN se configura con k=3, ¿cómo determina la especie de una nueva flor?

Divide la tabla en tres grupos iguales para exámenes

Selecciona tres medidas al azar e ignora las demás

Analiza las 3 flores más parecidas y elige la especie más frecuente entre ellas.

¿Qué información nos proporciona la diagonal principal en una Matriz de Confusión?

Los errores específicos donde el modelo confundió una flor con otra.

La cantidad de vecinos que resultaron ser más inteligentes

El número total de aciertos

Al buscar el mejor valor de k, ¿en qué métrica debemos fijarnos principalmente?

En que el modelo use la menor cantidad de pistas

En el número de filas totales

En el Accuracy (exactitud), buscando el valor más cercano a 1.0.

¿Cuál es la utilidad del conjunto de datos 'Test' (Prueba) según la planeación?

Limpiar los datos para eliminar errores

Simular un examen con datos que el modelo nunca vio durante su estudio.

Proveer al modelo respuestas correctas para estudiar mejor

¿Qué describe mejor la división 75% entrenamiento y 25% prueba?

Se usan 75% para validar hiperparámetros

Se utilizan 75% para pruebas

Se dividen los datos para estudiar con 75% y evaluar con 25%.

¿Qué representa una ‘característica’ en este contexto de ML?

El conjunto de datos para el examen

Medidas de pétalos y sépalos que describen cada flor.

La herramienta para convertir datos en tabla

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.

KNN Iris Challenge

Froggy Jumps

Sobre esta actividad

Creada por

Descarga la versión para jugar en papel

Top juegos

Froggy Jumps

Salva a la Ranita

Froggy Jumps

OPEN UP 6 UNIT 1 VOCABULARY

Froggy Jumps

Sabiduría animal

Froggy Jumps

El valle de los lobos

Froggy Jumps

Quiz de Culpa mía película

Froggy Jumps

KNN Iris ChallengeVersión en línea

por Mtra. Maricela Aguilar Illán

¿Qué representan las variables asignadas a X en el contexto del modelo de ML?

¿Qué sucede en la fase de entrenamiento con knn.fit(X_train, y_train)?

¿Para qué sirve random_state=42 al dividir los datos?

Si un modelo kNN se configura con k=3, ¿cómo determina la especie de una nueva flor?

¿Qué información nos proporciona la diagonal principal en una Matriz de Confusión?

Al buscar el mejor valor de k, ¿en qué métrica debemos fijarnos principalmente?

¿Cuál es la utilidad del conjunto de datos 'Test' (Prueba) según la planeación?

¿Qué describe mejor la división 75% entrenamiento y 25% prueba?

¿Qué representa una ‘característica’ en este contexto de ML?

		%
	Anónimo	%
		%
		%