FácilOpción múltiple

Pregunta de práctica de AI-900

Un científico de datos está construyendo un modelo para predecir la temperatura exacta en grados Celsius basándose en la humedad y la presión atmosférica. El modelo producirá un único valor numérico para cada entrada. ¿Qué tipo de tarea de aprendizaje automático es esta?

Elige la mejor respuesta.

Respuesta correcta

  • BRegression

Explicación

Se trata de una tarea de regresión porque el objetivo es predecir un valor numérico continuo (la temperatura en grados Celsius) a partir de características de entrada (humedad y presión atmosférica). Los modelos de regresión producen un número real como salida, a diferencia de la clasificación, que predice categorías discretas. En Azure Machine Learning, se utilizan algoritmos de regresión como Linear Regression o Decision Forest Regression para este tipo de tareas.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Classification

La clasificación predice una etiqueta de clase discreta, mientras que el enunciado requiere un valor numérico continuo de temperatura, lo cual corresponde a la regresión. Resulta tentador porque la clasificación es la tarea supervisada común para datos etiquetados, pero solo sería correcta si la salida fuera una categoría como caliente, templado o frío.

B

Correcta

Regression

La regresión predice una salida numérica continua, en este caso un valor exacto de temperatura en grados Celsius a partir de entradas de humedad y presión. La clasificación produciría etiquetas discretas o categorías en su lugar, por lo que la regresión es el tipo de tarea que se ajusta a esta predicción continua.

C

Incorrecta

Clustering

El agrupamiento (clustering) es una agrupación no supervisada de puntos de datos similares, produciendo asignaciones de clústeres en lugar de un valor numérico predicho. Resulta tentador porque se adapta a la exploración de datos no etiquetados, pero solo sería correcto cuando el objetivo sea descubrir agrupaciones naturales, no predecir la temperatura a partir de la humedad y la presión.

D

Incorrecta

Object detection

La detección de objetos localiza y clasifica elementos dentro de imágenes, generando cuadros delimitadores y no una temperatura numérica a partir de entradas tabulares de sensores. Resulta tentador porque es una carga de trabajo de AI muy conocida, pero solo sería correcta para identificar y posicionar objetos en datos de imagen o video.

Para profundizar

La regresión predice un valor numérico continuo, por lo que un modelo entrenado con humedad y presión para producir la temperatura en grados Celsius minimiza una pérdida como el error cuadrático medio sobre etiquetas de valores reales. La clasificación, en cambio, predice etiquetas de clase discretas, el agrupamiento (clustering) agrupa puntos no etiquetados y la detección de objetos localiza y clasifica objetos en imágenes. Un detalle sutil es que las salidas de la regresión pueden ser cualquier número real, por lo que los profesionales suelen evaluar con MAE o RMSE en lugar de precisión, y es posible que deban acotar las predicciones a rangos físicamente plausibles. Esta distinción importa al elegir los tipos de tarea y métricas de Azure Machine Learning, ya que seleccionar la clasificación discretizaría la temperatura y descartaría la relación numérica que el negocio necesita.

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.