Una regresión lineal es un algoritmo que se utiliza en machine learning para análisis y predicciones de resultados. Seguramente leyendo sobre machine learning e inteligencia artificial te has encontrado con este tema, pero te has preguntado por qué se emplea. Vamos a explicar esto con mayor profundidad.
Una regresión lineal se utiliza para generar predicciones sobre una variable que llamamos la variable dependiente, generalmente denominada con una y, dadas una o varias variables independientes generalmente denominadas las x.
Cuando usamos regresión lineal, la variable dependiente y siempre es numérica. Por ejemplo, precios de las casas, estaturas, la distancia de los planetas al sol, etc.
Una regresión lineal en su forma más simple (cuando contamos con solo una variable independiente x) es una línea recta en dos dimensiones que mejor se ajusta a los valores de los datos. Esto puedes verlo mejor en la siguiente figura.
En esta imagen vemos puntos, los cuales representan a los datos verdaderos vistos. También se observa esa línea recta que representa ese modelo de regresión lineal. Esto lo podemos llevar a un ejemplo donde podríamos predecir la estatura de una persona dada su peso. Para ese caso los puntos representarían los valores verdaderos de peso y estatura de personas. La línea recta es la línea que usarías para predecir la estatura de una persona dada su peso.
La respuesta corta a esta pregunta es para muchas cosas. La respuesta larga es que una regresión lineal generalmente será el primer método que se utilizará para intentar hacer predicciones sobre una variable numérica.
El tipo de problemas que resuelve no solo es para predecir las estaturas de las personas, como en el ejemplo que vimos. Por ejemplo, la regresión lineal es la base de muchos modelos de series de tiempo que se utilizan. Un caso de esto es para predecir el consumo del mercado en un producto en los siguientes meses. En economía igual se puede aprovechar para el cálculo de las importaciones que realizará un país y en finanzas se usa en las bases del cálculo de los activos financieros para el cálculo del riesgo sistemático.
Como puedes ver, la regresión lineal tiene muchas aplicaciones. Esto nos lleva a que sea el algoritmo de machine learning que más se emplea en los puestos de trabajo relacionados con la ciencia de datos, de acuerdo a un reporte realizado en el año 2021 por Kaggle que comparte Andriy Burkov, autor de The Hundred-Page Machine Learning Book, en este tweet.
Lee también: Machine Learning vs. Deep Learning
En Platzi puedes aprender de forma práctica de la A a la Z cómo funciona el método de regresión lineal y cómo utilizarlo con Python y su librería scikit learn. Te invito a tomar el Curso de Regresión Lineal con Python y scikit-learn para que no te quedes sin aprender este algoritmo tan importante. ¡Y como siempre nunca pares de aprender!
Excelente articulo, queda mas claro algo que no es nada sencillo de explicar.
Por cierto, ¿saben cuando quedara actualizado el curso de estadística y probabilidad?
Entender a profundidad las matemáticas y la programación es como tener el poder del sol en tus manos. Aún me falta mucho por aprender, pero considero que comprendiendo las bases matemáticas correctas puede facilitar mucho las cosas a quien quiera adentrarse al mundo de la IA.
Genial post Luis, además agregaría que el método de la regresión lineal funciona hasta para cálculos de titulaciones de fármacos en pruebas farmacéuticas, actualmente acelerado gracias a la inteligencia artificial en este medio
Todavia no entiendo porque se llama “regresion” cuando la idea es hacer una prevision de algo que pasara en un futuro.
Es un asunto teórico. Al parecer regresión significa que los valores reales futuros (predichos) tendienden a “regresar” más o menos hacia la línea marcada por la ecuación de la regresión.
El nombre de regresión lineal o regresión específicamente es porqué la predicción se fundamente en el análisis retroactivo de datos previos o estadísticos, es decir que hacer un recorrido regresivo sobre las variables independientes para encontrar una razón al comportamiento de las variables dependientes
El nombre de regresión lineal o regresión específicamente es porqué la predicción se fundamente en el análisis retroactivo de datos previos o estadísticos, es decir que hacer un recorrido regresivo sobre las variables independientes para encontrar una razón al comportamiento de las variables dependientes
Queremos mas articulos sobre algorotimos de regresión y de clasificación… Vamos Platzi