Fundamentos del aprendizaje supervisado

La desigualdad de Hoeffding $\mathbb{P}[|\nu-\mu|>\varepsilon] \le 2e^{-2\varepsilon^2 N}$ aplicada a una hipótesis $h$, ¿bajo qué condición es válida?

Mil personas lanzan una moneda justa 10 veces cada una. ¿Cuál es la probabilidad de que al menos una saque 10 águilas? (escribe un decimal con dos cifras)

¿Cuántas dicotomías puede producir un perceptrón en $\mathbb{R}^2$ sobre 4 puntos en posición general (la función de crecimiento $m_{\mathcal{H}}(4)$)?

¿Cuál es la dimensión VC de un perceptrón en $\mathbb{R}^5$ (con término de sesgo)?

La cota VC garantiza que, con suficientes datos, el error fuera de la muestra $E_{\text{out}}$ será pequeño.

En la descomposición $\mathbb{E}_{\mathcal{D}}[E_{\text{out}}] = \text{sesgo}^2 + \text{varianza} + \sigma^2$, ¿qué pasa típicamente al aumentar la complejidad del modelo?

Las curvas de aprendizaje de un modelo muestran $E_{\text{in}}$ y $E_{\text{val}}$ muy cercanos entre sí y ambos altos, aun con muchos datos. ¿Qué conviene hacer?

¿Cuál es la solución de ridge, $\min_{\mathbf{w}} \lVert X\mathbf{w}-\mathbf{y}\rVert^2 + \lambda \lVert \mathbf{w} \rVert^2$?

Lasso tiende a producir coeficientes exactamente iguales a cero; ridge, en general, no.

Comparas 500 configuraciones de hiperparámetros con validación cruzada y reportas el $E_{\text{cv}}$ de la mejor como estimación de su error fuera de la muestra. ¿Qué problema tiene?

Tienes varias consultas médicas por paciente y el modelo se usará con pacientes nuevos. ¿Cómo deberías hacer la validación cruzada?

Un falso positivo cuesta 1 y un falso negativo cuesta 4. Con probabilidades bien calibradas, ¿a partir de qué probabilidad conviene marcar un caso como positivo? (decimal)

Un modelo tiene AUC de 0.8. ¿Cuál interpretación es correcta?

Si dos grupos tienen prevalencias distintas, un clasificador imperfecto puede tener a la vez la misma precisión (VPP), la misma tasa de verdaderos positivos y la misma tasa de falsos positivos en ambos grupos.