Regresión lineal

Lección 16 de 19 del curso Introducción al aprendizaje automático de Coddy.

La Regresión Lineal es uno de los algoritmos más fundamentales en el aprendizaje automático para predecir una variable continua. Es el método de referencia para estimar las relaciones entre variables y realizar pronósticos. Ya sea que estés prediciendo precios de viviendas, tendencias del mercado de valores o temperaturas, la regresión lineal puede proporcionar información sobre cómo se correlacionan estas variables.

Fuente: wikipedia

La regresión lineal intenta modelar la relación entre dos o más variables ajustando una ecuación lineal a los datos observados. Una variable se considera una variable explicativa (independiente) y la otra se considera una variable dependiente.
La forma más simple de la ecuación de regresión lineal con una variable dependiente y una independiente se define de la siguiente manera:

Alpha representa el punto de intersección con el eje y
Beta representa la pendiente

Ponte a prueba

Esta lección incluye un breve cuestionario. Empieza la lección para responderlo y registrar tu progreso.

Ponte a prueba

Esta lección incluye un breve cuestionario. Empieza la lección para responderlo y registrar tu progreso.

Ponte a prueba

Esta lección incluye un breve cuestionario. Empieza la lección para responderlo y registrar tu progreso.

Desafío

Fácil

Crea una función llamada linear_equation que recibe una lista que representa un punto de datos y una lista que representa los coeficientes de la ecuación lineal.

la función devuelve el resultado de la ecuación lineal.

Por ejemplo

si n = 2, entonces el número de coeficientes es dos: y = b[0] + b[1]*x[1]
si n = 3, entonces el número de coeficientes es tres: y = b[0] + b[1]*x[1] + b[2]*x[2]

Pruébalo tú mismo

def linear_equation(coef, x):
    # Escribe el código aquí

Todas las lecciones de Introducción al aprendizaje automático

1El comienzo del viaje en ML

Introducción a ML Datos para alimentar un modelo Qué es un modelo de ML

4Algoritmo K-Means

Introducción a K-Means método fit método predict

2Introducción al aprendizaje automático

Aprendizaje supervisado Aprendizaje no supervisado

5Bayes ingenuo

Introducción a Naive Bayes método fit método predict

3K vecinos más cercanos (KNN)

Introducción a KNN método fit método predict

6Otros modelos

Regresión logísticaRegresión linealÁrbol de decisión Máquina de vectores de soporte (SVM)Cuestionario sobre modelos

Practica por tu cuenta: Compilador de Python online