MediaOpción múltiple

Pregunta de práctica de AI-900

Un científico de datos quiere entrenar un modelo de machine learning para predecir el precio exacto de mercado de una casa basándose en características como los metros cuadrados, el número de habitaciones y la ubicación. ¿Qué tipo de tarea de machine learning debe utilizarse?

Elige la mejor respuesta.

Respuesta correcta

  • BRegression

Explicación

Predecir el precio exacto de mercado de una casa es una tarea de regresión porque la variable objetivo (el precio) es un valor numérico continuo. Los algoritmos de regresión, como la regresión lineal o la regresión por árboles de decisión, aprenden la relación entre las características de entrada (por ejemplo, los metros cuadrados, las habitaciones y la ubicación) y una salida continua. En Azure Machine Learning, se seleccionaría un modelo de regresión desde el diseñador o AutoML para resolver este problema.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Classification

Predecir un precio de mercado exacto es una tarea de regresión y no de clasificación, ya que la variable objetivo es un valor numérico continuo en lugar de una categoría discreta. Esta opción resulta tentadora porque la clasificación se usa comúnmente para predecir etiquetas como tramos de precios “bajo”, “medio” o “alto”, lo cual sería correcto si el objetivo fuera asignar una casa a un nivel de precios predefinido.

B

Correcta

Regression

La regresión predice un valor numérico continuo, por lo que se ajusta a la previsión del precio exacto de una casa a partir de características como los metros cuadrados, las habitaciones y la ubicación. La clasificación arrojaría etiquetas o categorías discretas, las cuales no pueden representar el precio exacto de mercado que el escenario requiere.

C

Incorrecta

Clustering

El clustering agrupa registros sin etiquetar por similitud y arroja asignaciones a clústeres, no un valor numérico continuo. Predecir el precio exacto de una casa requiere regresión, la cual ajusta una función que mapea características como los metros cuadrados a un objetivo continuo. El clustering sería adecuado para segmentar casas en agrupaciones vecinales en su lugar.

D

Incorrecta

Anomaly Detection

La detección de anomalías señala observaciones raras que se desvían de un patrón normal aprendido, produciendo una etiqueta en lugar de una estimación numérica. Predecir el precio exacto de una casa necesita regresión sobre características continuas. La detección de anomalías sería correcta para identificar listados de propiedades inusuales, como fraudes o errores de entrada de datos.

Para profundizar

Los modelos de regresión aprenden una asignación continua desde las características de entrada hasta un objetivo numérico minimizando una pérdida como el error cuadrático medio, de modo que la salida es un número de valor real en lugar de una etiqueta discreta. Bajo el capó, la regresión lineal ajusta los coeficientes mediante mínimos cuadrados ordinarios, mientras que los regresores potenciados por gradiente o neuronales optimizan el mismo objetivo de error cuadrático de forma iterativa. Una sutileza que vale la pena conocer es que la regresión predice una expectativa condicional, por lo que puede generar valores fuera de cualquier rango plausible, como un precio negativo; los profesionales suelen recortar o aplicar una transformación logarítmica al objetivo. Esto importa en la valoración de bienes raíces, donde un modelo que estima el precio exacto de mercado alimenta decisiones automatizadas de tasación o préstamos, y clasificar erróneamente la tarea como clasificación descartaría por completo la información de magnitud ordinal.

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.