Respuesta correcta
Explicación
Esta es una tarea de regresión porque el objetivo es predecir un valor numérico continuo (el precio de venta) en función de características de entrada. Los modelos de regresión aprenden la relación entre variables independientes (tamaño, dormitorios, ubicación) y una variable dependiente (precio) para generar un número real. En Azure Machine Learning, algoritmos de regresión como Linear Regression, Decision Forest Regression o Neural Network Regression serían apropiados para este escenario.
Para profundizar
La regresión predice un objetivo numérico continuo, por lo que el modelo aprende una función que mapea características como los pies cuadrados, el recuento de dormitorios y la ubicación codificada a un precio expresado en valor real, minimizando típicamente el error cuadrático medio. La clasificación en su lugar produce etiquetas de clase discretas, el agrupamiento agrupa datos no etiquetados sin un objetivo, y el aprendizaje por refuerzo optimiza las acciones mediante señales de recompensa. Una sutileza es que la regresión asume que la distribución del objetivo y la estructura del error importan: los precios sesgados a menudo justifican una transformación logarítmica, y la evaluación utiliza MAE, RMSE o R cuadrado en lugar de precisión. En la práctica, un modelo inmobiliario entrenado de esta manera también debe protegerse contra la extrapolación, ya que predecir precios para tamaños muy fuera del rango de entrenamiento produce resultados poco confiables, y la ubicación categórica necesita una codificación adecuada para evitar implicar una distancia ordinal entre vecindarios.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de AI-900 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.
Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.