Se usó la API de Cloud Translation para traducir esta página. Trabajar con datos numéricos: Pon a prueba tus conocimientos Volver a la ruta de aprendizaje ¿Cuál de las siguientes técnicas no es una forma de ingeniería de atributos? Discretización Ajuste de hiperparámetros Agrupamiento Normalizando Estás entrenando un modelo con datos de salud de bebés. Una de tus funciones es birth_weight. Quieres normalizar estos valores de birth_weight para entrenar el modelo de manera más eficiente. ¿Cuál de las siguientes técnicas de normalización sería la mejor opción? Recorte Escalamiento lineal Escalamiento de registros Escalamiento de puntuación Z Verdadero o falso: La discretización es una técnica para transformar datos categóricos en datos numéricos. Verdadero Falso Tus datos de entrenamiento para un modelo de recomendación de calzado contienen el atributo shoe_size, que debe contener valores entre 6 y 16. En la siguiente tabla, se muestran los valores shoe_size de seis ejemplos en el conjunto de datos: Ejemplo shoe_size 1 8.5 2 9 3 N/A 4 105 5 11 6 9 ¿Qué ejemplos deberías considerar analizar el conjunto de datos antes del entrenamiento? Seleccione todas las opciones que correspondan. Selecciona todas las respuestas que consideres correctas. Ejemplo 1 Ejemplo 2 o Ejemplo 6 Ejemplo 3 Ejemplo 4 Ejemplo 5 Completa el espacio en blanco de la siguiente oración:Durante la ingeniería de atributos, se pueden crear atributos sintéticos para ___. Reemplazar valores de atributos faltantes Complementa los datos etiquetados por humanos con datos etiquetados por máquinas Modelar relaciones no lineales entre dos atributos Entrenar el modelo previamente Enviar respuestas error_outline Se produjo un error mientras se calificaba el cuestionario. Vuelve a intentarlo.
