Regresión Lineal y Predicciones con Google Spreadsheets
Clase 3 de 15 • Curso de Forecasting con Excel
Resumen
La regresión lineal es fundamental en ciencias de datos y machine learning para hacer predicciones basadas en tendencias. Implementar este método ayuda a identificar patrones y proyectar futuros datos de manera precisa.
¿Cómo se visualizan los datos?
Para comenzar, seleccionamos nuestros datos que consisten en ventas mensuales de un negocio. La visualización se realiza creando un gráfico que muestre claramente las observaciones de enero a diciembre. Esto se hace fácilmente mediante herramientas gráficas que permiten una parametrización detallada para obtener una representación precisa.
¿Cómo se aplica el modelo lineal?
El siguiente paso es aplicar el modelo de regresión lineal. Usamos una herramienta sencilla que no solo traza la línea de tendencia, sino que también nos proporciona la ecuación de la recta. Esta ecuación es crucial ya que nos permitirá hacer proyecciones futuras basadas en los datos actuales.
¿Cómo se implementa la ecuación de la recta tangente?
Implementamos la ecuación de la recta tangente de manera simple, extrayendo la ecuación del gráfico y utilizando el coeficiente de determinación (R cuadrado) para medir la certeza del modelo. Este coeficiente debe ser superior al 80% para ser considerado aceptable.
¿Cómo se integra la proyección en los datos?
Integramos la proyección en nuestro conjunto de datos extendiendo los periodos de tiempo más allá de las observaciones iniciales. Esto se hace reemplazando los valores de X en la ecuación y extrapolando los datos para meses futuros, obteniendo así predicciones precisas para periodos que no teníamos originalmente.
¿Cómo se interpreta la proyección?
Finalmente, interpretamos los resultados comparando las predicciones con los valores reales. La visualización de las proyecciones y los datos reales en un gráfico nos permite entender la precisión del modelo y hacer ajustes necesarios. Con esta metodología, predijimos ventas futuras con una desviación mínima, demostrando la efectividad del modelo de regresión lineal.