Qué Es la Regresión Lineal
Conceptos básicos
Regresión es una tarea de aprendizaje supervisado que consiste en predecir un valor numérico (por ejemplo, el precio de una casa), conocido como el objetivo, a partir de un conjunto de variables de entrada (por ejemplo, tamaño, antigüedad, ubicación, etc.), denominadas características.
Para entrenar el modelo, se deben proporcionar muchos ejemplos de dichas casas, tanto las características como el objetivo. El conjunto de ejemplos con el que se entrena el modelo se denomina conjunto de entrenamiento.
El modelo más sencillo capaz de realizar tareas de regresión es la Regresión Lineal. Considera este diagrama de dispersión que muestra la altura de una persona y la altura de su padre.
Cómo Funciona
Lo que hace la Regresión Lineal Simple es ajustar una línea recta a los datos de manera que la línea esté lo más cerca posible de los puntos de datos.
Realización de Predicciones
Ahora podemos usar esta línea para predecir el objetivo para un nuevo punto.
Por ejemplo, supongamos que deseas predecir la altura de una persona si su padre mide 63.5 pulgadas. Simplemente selecciona un punto de la línea que corresponda a X=63.5, y su valor en y es nuestra predicción, así de sencillo.
El modelo predice que la persona medirá 64.3 pulgadas.
Ecuación de Regresión Lineal Simple
Como quizás recuerde de la escuela, la función de una línea es y=b+ax, por lo que durante el entrenamiento, la regresión lineal simple simplemente aprende qué valores deben tener a y b para formar la línea deseada. Los valores que el modelo aprende se denominan parámetros, y más adelante en el curso, denotaremos los parámetros usando 𝛽 en lugar de a, b. Así que nuestra ecuación de regresión lineal simple es:
1. En regresión, el valor que queremos predecir se llama:
2. Complete los espacios
¡Gracias por tus comentarios!
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
Awesome!
Completion rate improved to 5.26Qué Es la Regresión Lineal
Desliza para mostrar el menú
Conceptos básicos
Regresión es una tarea de aprendizaje supervisado que consiste en predecir un valor numérico (por ejemplo, el precio de una casa), conocido como el objetivo, a partir de un conjunto de variables de entrada (por ejemplo, tamaño, antigüedad, ubicación, etc.), denominadas características.
Para entrenar el modelo, se deben proporcionar muchos ejemplos de dichas casas, tanto las características como el objetivo. El conjunto de ejemplos con el que se entrena el modelo se denomina conjunto de entrenamiento.
El modelo más sencillo capaz de realizar tareas de regresión es la Regresión Lineal. Considera este diagrama de dispersión que muestra la altura de una persona y la altura de su padre.
Cómo Funciona
Lo que hace la Regresión Lineal Simple es ajustar una línea recta a los datos de manera que la línea esté lo más cerca posible de los puntos de datos.
Realización de Predicciones
Ahora podemos usar esta línea para predecir el objetivo para un nuevo punto.
Por ejemplo, supongamos que deseas predecir la altura de una persona si su padre mide 63.5 pulgadas. Simplemente selecciona un punto de la línea que corresponda a X=63.5, y su valor en y es nuestra predicción, así de sencillo.
El modelo predice que la persona medirá 64.3 pulgadas.
Ecuación de Regresión Lineal Simple
Como quizás recuerde de la escuela, la función de una línea es y=b+ax, por lo que durante el entrenamiento, la regresión lineal simple simplemente aprende qué valores deben tener a y b para formar la línea deseada. Los valores que el modelo aprende se denominan parámetros, y más adelante en el curso, denotaremos los parámetros usando 𝛽 en lugar de a, b. Así que nuestra ecuación de regresión lineal simple es:
1. En regresión, el valor que queremos predecir se llama:
2. Complete los espacios
¡Gracias por tus comentarios!
