Crea una cuenta o inicia sesión

¡Continúa aprendiendo sin ningún costo! Únete y comienza a potenciar tu carrera

Explicación matemática de la regresión lineal

3/10
Recursos

Aportes 57

Preguntas 1

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad? Crea una cuenta o inicia sesión.

Les dejo este vídeo que explica super bien el modelo de regresión lineal

https://www.youtube.com/watch?v=k964_uNn3l0

Con todo cariño lo digo, pero soy matemático y estoy viendo de rapidez el curso solo por verlo, pero esta clase muy enredada para un tema que es tan sencillo.

Si contrataran a Carlos de DotCSV para hacer un curso de Machine Learning me terminaría todos los cursos en 1 mes

Regresión lineal
Es un modelo matemático que nos ayuda a encontrar la relación entre una variable dependiente y una independiente y realizar predicciones en base a esta (regresión)

  • Variable independiente → es la variable que no se ve alterada por la otra, fluctúa de manera independiente
  • Variable dependiente → es aquella variable que se ve alterada por factores externos (variables independientes)
  • Relación entre las variables → Lo hallamos con la pendiente (m), es el término que relaciona matemáticamente estas variables (multiplicación)
    • Pendiente positiva: establece una correlación directa, es decir que si nuestra variable independiente aumenta la otra variable disminuye (y visceversa)
    • Pendiente negativa: establece una correlación inversa; si una variable aumenta, la otra disminuye

Existen cursos con los que uno se conecta y otros con los que definitivamente no; respecto a este vídeo, aprendí más leyendo los comentarios de los compañeros que viendo el vídeo dos veces.
Mi aporte: Lean los comentarios de los compañeros!

Parece que el cero (0) está en el lugar del uno en el eje Y ? No debería estar en la vértice .

Vaya, curiosamente, esta clase fue más complicada de lo que debía ser.

El modelo de regresión lineal no es mas que la ecuación de una recta lineal, se llega a la ecuación con estadística para datos bivariados. Este modelo solo se aplica en datos con TENDENCIA en donde podemos calcular una recta con pendiente positiva o negativa. Por eso la visualización de los datos no ayuda a detectar que tan dispersos estan los datos y si hay una tendencia detectar datos atipicos.

Recordar que Bo es la intersección y B1 la pendiente

Estoy practicando ingles escribir, entonces estoy haciendo los resúmenes en ingles, por fa me ayudan a corregir tanto lo que entendí como el ingles dicho esto:

A line can relate two-variables, independent and dependent. Then we use the line equation to have a mathematical model to see how the dependent variable depends on a move of the independent variable

Una de las mejores app que encontre en playstore fue, data science 101, muy recomendadisima para aprender ML(obvio basico).
link de app

🟢Aunque no he visto el resto de las clases, sugiero que cambien esta explicación, es más lo que desinforma que lo que informa

Les dejo un vídeo que explica increíblemente bien la regresión lineal.
https://www.coursera.org/lecture/aprendizaje-automatico-con-python/regresion-lineal-simple-r0vEE

Después de esta explicación creo que mejor, voy a dejar de ver videos de gatitos para estudiar los cursos de Platzi

Muy floja la clase

wuoo yo como estadistico entiendo a la perfeccion y la verdad con el SPSS,STATA,MINITAB se me hace refacil jejeje pero un poco de codigo nada mal y no tenia idea q esto es parte de machin learnig. entomces esto quiere decir que la Estadistica es el primer paso para Maching Learnig. Interesante jejeje quisiera ver como aplican SERIES DE TIEMPO en maching learnig.

Hay que tener en cuenta que tanto B0 y B1, se halla con un método matemático que es Mínimos cuadrados o un método estadístico que es método de máxima verosimilitud , que al fin y acabo dan lo mismo, y B0 y B1, son unas constantes que salen de propiedades de esa recta.

Pequeña acotación: Si saben modelar funciones, poco y nada van a tener que adivinar (es válido no saber modelarlas, pero saberlo es un boost importante)

llevo 15 en platzi y ya termine 31 cursos

Hipótesis que se deben tener en cuenta para tener éxito con el análisis de la regresión lineal:

  • Para cada variable: Considere el número de casos válidos, la media y la desviación estándar.

  • Para cada modelo: Tenga en cuenta los coeficientes de regresión, la matriz de correlación, las correlaciones parciales y semiparciales, múltiple R, R2, R2 ajustado, cambio en R2, error estándar de la estimación, tabla de análisis de varianza, valores previstos y residuales. Además, considere intervalos de confianza de 95 por ciento para cada coeficiente de regresión, matriz de varianza-covarianza, factor de inflación de la varianza, tolerancia, prueba de Durbin-Watson, medidas de distancia (Mahalanobis, Cook y valores de apalancamiento), DfBeta, DfFit, intervalos de predicción e información de diagnóstico sobre cada caso.

  • Gráficos: Considere diagramas de dispersión, gráficos parciales y de probabilidad normal, e histogramas.

  • Datos: Las variables dependientes e independientes deben ser cuantitativas. Las variables categóricas, como la religión, el campo principal del estudio o la región de residencia, deben volver a codificarse para ser variables binarias (ficticias) u otros tipos de variables de contraste.

  • Otras hipótesis: Para cada valor de la variable independiente, la distribución de la variable dependiente debe ser normal. La varianza de la distribución de la variable dependiente debe ser constante para todos los valores de la variable independiente. La relación entre la variable dependiente y cada variable independiente debe ser lineal; además, todas las observaciones deben ser independientes.

    Reference

Para información extra, la constante en ML es conocida como bias. Esto no es más que una desviación que aprende el machine learner a partir de la data que le fue suministrada. Los grandes profesionales muchas veces tienen que luchar con este bias en sus modelos porque afectan sus resultados finales, por ejemplo, un modelo de clasificación puede tornarse machista o racista si no se tiene cuidado con la data que se le da.

8 cursos en 1 mes CHECK ✅



LA REGRESIÓN LINEAL:

Es un termino estadístico, un modelo matemático que nos ayudara a establecer relaciones entre una variable dependiente y variables independientes de un modelo

Es la ecuación de una recta

Reto aceptado al 8 de enero, veamos que tal

Vaya caos de explicación, vi cómo se hacía en otro video y me quedó clarísimo, pero en la explicación de aquí solo terminé más revuelto que al inicio.

Reto de 8 cursos en un mes superado.

creo que como a muchos cursos les hace falta profundizar más en el ejemplo y ser un poco más técnico, ya que la ecuación que describes es una ecuación de una recta, la cual si alguna persona ya llego a estos curso es por que ya conoce con claridad el comportamiento e dicha ecuación.

Comparto el siguiente link donde logré entender mejor la explicación matemática. También se incluyen otros cálculos como son el error estándar de la estimación y el coeficiente de correlación de la recta de regresión obtenida. https://www.youtube.com/watch?v=wRqntzPxNXU

Es un termino estadístico, que trata sobre un modelo matemático para establecer una relación una variable dependiente (y) con una independiente (x) de un modelo

La pendiente es la inclinación de un sistema

Este curso es genial, muestra claramente como se pueden utilizar las matemáticas en las ciencias de la computación.

Para encontrar el valor de la constante y la pendiente, existen ecuaciones, asi que no se asusten o desesperen si aun no se ve tan claro en esta clase, sigan con el curso.

Este tipo de cursos son muy buenos, pero esta muy mal explicado el tema, con el respeto de Celis, les haría mejor complementar con Dot CSV en youtube, ademas es un tema super fácil de explicar.

Es importante tener claros los conceptos que se ven en el curso de Fundamentos de Matemáticas.

Este tema es muy bueno, cuando lo vi en al universidad descubrí lo que era la inteligencia artificial de las mas fáciles de explicar.
Hoy años despues recién me intereso en este modelo Xd

La variable independiente no puede ser alterada ya que no es controlada por los eventos. En la mayoría de casos es el tiempo (t). 😃

En libros de ML, sobre todo en ingles, también podrán encontrar que se refieren a:
b0 como intercept (el valor predicho cuando X = 0)
b1 como coeficente de regression o regression coefficent

El profesor del año es… Rricardo Celis. Realmente que buen profesor tiene Platzi y su comunidad.

Según entiendo, básicamente es nuestra amada ecuación de la recta de geometria analítica. Un buen ejemplo de matemáticas aplicadas. Woow

Alguien sabe como se llama la aplicacion de notas que utiliza?

el video de https://www.youtube.com/watch?v=k964_uNn3l0 está buenísimo, porque el del profe Ricardo está un poco aburrido, aparte creo que se están quedando, sus clases están perdiendo valor a causa de interactividad, ahora eso no quiere decir que no quiera comprar platzi, la verdad es que poco me interesa el diploma pero si el conocimiento.

Interesante clase, a seguir con esto

Termino estadistico, que se conoce como un modelo matematico que nos ayuda a encontrar las relaciones entre las variables dependientes e independientes.

Efecto procrastinación! Jodido!

Para determinar que fecha comprara un usuario, que datos se podrina ocupar ?

En YouTube se encuentran explicaciones muy buenas de lo que es la pendiente y la constante en una ecuación de regresión lineal.

Super claro!!!

El cero está raro. 😄

B0 (la constante), nos muestra dónde la recta** corta al eje Y** y B1 (la pendiente), deefine la inclinación de la recta.

La explicación es muy buena. Lo que falto quizás fue acompañar los conceptos con una pizarra con los ejemplos. Es un poco complicado explicarlo con un Paint.

¿Qué es la regresión lineal?
Es un término estadístico, que permitirá encontrar la relación entre una variable dependiente y las variables independientes que tenga un modelo.

📚 La fórmula de regresión lineal es:⁣⁣
Y = b0 + b1*X⁣
⁣⁣
Donde:⁣⁣
Y: Nuestra variable dependiente⁣⁣
X: Nuestra variable independiente⁣⁣
b1: La pendiente (inclinación)⁣⁣
bo: Un valor constante⁣⁣
⁣⁣
Aporte: ⁣⁣
La fórmula explica Ricardo es la fórmula que establece una línea recta 😄 al principio me había enredado pero cuando entendí esto todo fue más fácil.

Esto me recuerda cuando en la universidad un doctor nos preguntó: “¿cuál es la ecuación de la recta?”,
y nos quedamos callados
y entonces dijo: "eso ya deberían tenerlo grabado, tatuado en el brazo, es: y = mx + b "

Desde entonces se me quedó grabado 😆

en la ecuación se tiene c que vienes a ser desde donde empieza Y

Muy buena regresion lineal!