Clase 9 de 17 • Curso de Introducción a Machine Learning
Contenido del curso
Antonio Demarco Bonino
Rafael Rivera
Juan R. Vergara M.
Axel Yaguana
Emmanuel Guerra Sánchez
Carlos Eduardo Magallon Zepeda
Jeinfferson Bernal G
Matías Collado
Dionicio Perez
Rodmy Suarez
Paola Alapizco
Jhon Freddy Tavera Blandon
JAKSON VELASQUEZ MUÑOZ
Mario Alexander Vargas Celis
Ricardo Ruiz
Noe Mazahua
Isaac Bryan Ascanoa Roncall
Paso otro vídeo que me ayudo a entender más la Regresión logística: https://www.youtube.com/watch?v=8-nt3Urok4E&ab_channel=AprendeInnovando
Gracias por el aporte
👍
Confusion Matrix
Accuracy = # of correctly labeled / # of data points
Ahora es cuando agradezco más la sección de aportes. Soy de los que tienen que repasar esto lentamente para entederlo y las gráficas y los enlaces a otras webs ayudan bastante. Lo bueno es que con la bases de cálculo de la universidad entiendo más la parte matemática
Ya sé, yo también amo la sección de aportes. Esto no existe en las escuelas tradicionales, sino todo lo contrario; todos son super celosos de sus notas.
Rendimiento
Para verificar que el modelo de regresion logistica esta funcionando correctamente aplicamos una Matriz de Confusion. Esta matriz busca evaluar si las predicciones de tu modelo de ciertas etiquetas o grupos reflejan la verdad en relacion a esos valores.
Cuando se entrena con el conjunto de validacion puedes pedir especificamente el numero de positivos reales y negativos reales y preguntarte cuantos se predijeron correctamente? Cual es el modo en el que se esta mas probablemente fallando? Fallo cuando se tenia resultados negativos? Tenias mayores posibilidades positivos o viceversa?
El objetivo de la matriz es muy bueno cuando se tiene un desequilibrio en el conjunto de datos; es decir, mas estudiantes que aprueban que los que no aprueban y por tanto esto podria reflejar que lo que intentas es predecir cuantos aprueban en contraposicion a cuantos fracasan.
Si el conjunto de datos es equilibrado, el enfoque mas comun para lograr rendimiento es la precision, que es el recuento de las veces que predijiste la etiqueta correcta en los datos (Vedadero positivo y Verdadero negativo) sobre todos los puntos de datos que pasaste a tu modelo. La idea es tener una precision cercana a 1
En la regresión logística primero tenemos un ejemplo de una función lineal dividiendo los datos en dos. Pero luego tenemos un ejemplo de una función sigmoide. ¿Podemos decir que la regresión logística predice clases ya sea con funciones que no tocan los datos (lineal), como con funciones que directamente describan las clases (sigmoide)?
El primer ejemplo, vemos que ningun punto toca la linea, ya que es un ejemplo y asi se ve mejor la clasificación. Al momento de trabajar con datos reales, puede que haya puntos que sea mas dificil clasificar y que esten cerca de esta linea divisora.
Veamos la siguente imagen !imamgen
Si te das cuenta, el modelo sigmoide incluye los parametros b1 y b2, con los cuales se puede reducir al calculo de una función lineal.
Desde mi punto de vista, en lugar decir que predice clases con dos modelos, es mejor ver que atráves del modelo logistioco, función sigmoide, se genera una función lineal, o sea, un modelo lineal. No son dos partes separadas, sino una lleva a la otra.
📝 Dejo aquí mi resumen de la clase
La regresión logística es un modelo para resolver problemas de clasificación binaria, donde su proceso de decisión esta dado por la probabilidad de que los parámetros dados al modelo correspondan a una determinada clase. La función de error es el promedio de que tan bien esta prediciendo el modelo, mientras que la regla de la actualización busca ajustar los parámetros que mejor realizan la predicción de la probabilidad.
se utilizan datos de ejemplo con dos variables independientes (X) y una variable dependiente categórica (y). Se crea un modelo de regresión logística utilizando LogisticRegression de scikit-learn y se ajusta a los datos de entrenamiento. Luego, se obtienen los coeficientes del modelo (coef y intercept) y se utiliza una función personalizada para graficar la línea de decisión.
import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import load_iris from sklearn.linear_model import LogisticRegression from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score # Datos de ejemplo X = np.array([[2, 3], [4, 5], [6, 7], [8, 9], [10, 11]]) # Variables independientes y = np.array([0, 0, 0, 1, 1]) # Variable dependiente (clase) # Crear el modelo de regresión logística model = LogisticRegression() # Ajustar el modelo a los datos model.fit(X, y) # Obtener los coeficientes del modelo coef = model.coef_ intercept = model.intercept_ # Crear una función para graficar la línea de decisión def plot_decision_boundary(X, y, coef, intercept): plt.scatter(X[:, 0], X[:, 1], c=y) x1 = np.linspace(np.min(X[:, 0]), np.max(X[:, 0]), 100) x2 = -(coef[0][0] * x1 + intercept) / coef[0][1] plt.plot(x1, x2, color='r') plt.xlabel('Variable 1') plt.ylabel('Variable 2') plt.title('Regresión Logística') plt.show() # Graficar la línea de decisión plot_decision_boundary(X, y, coef, intercept)
Aquí tienes un ejemplo más completo de regresión logística utilizando datos reales
# Cargar el conjunto de datos Iris iris = load_iris() X = iris.data[:, :2] # Tomar solo las dos primeras características para facilitar la visualización y = iris.target # Dividir los datos en conjuntos de entrenamiento y prueba X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # Crear el modelo de regresión logística model = LogisticRegression() # Ajustar el modelo a los datos de entrenamiento model.fit(X_train, y_train) # Realizar predicciones en los datos de prueba y_pred = model.predict(X_test) # Calcular la precisión del modelo accuracy = accuracy_score(y_test, y_pred) print("Precisión del modelo:", accuracy) # Crear una función para graficar las regiones de decisión def plot_decision_regions(X, y, model): x1_min, x1_max = X[:, 0].min() - 1, X[:, 0].max() + 1 x2_min, x2_max = X[:, 1].min() - 1, X[:, 1].max() + 1 xx1, xx2 = np.meshgrid(np.arange(x1_min, x1_max, 0.1), np.arange(x2_min, x2_max, 0.1)) Z = model.predict(np.c_[xx1.ravel(), xx2.ravel()]) Z = Z.reshape(xx1.shape) plt.contourf(xx1, xx2, Z, alpha=0.8) plt.scatter(X[:, 0], X[:, 1], c=y, edgecolors='k') plt.xlabel('Característica 1') plt.ylabel('Característica 2') plt.title('Regresión Logística - Regiones de decisión') plt.show() # Graficar las regiones de decisión plot_decision_regions(X_train, y_train, model)
Este es de los mejores cursos que he encontrado en Platzi, pagaria 3 años más de suscripción por verme una ruta completa de esta profe del MIT.
¡Claro! La Regresión Logística es una técnica fundamental de clasificación supervisada en Machine Learning. Aunque su nombre contiene “regresión”, su objetivo principal no es predecir valores continuos, sino clasificar observaciones y estimar probabilidades.
📘 ¿Qué es la Regresión Logística?
La regresión logística estima la probabilidad de que una observación pertenezca a una clase específica. La salida del modelo está en el rango [0,1][0, 1], gracias a la función sigmoide (logística):
P(y=1∣x)=11+e−(β0+β1x1+⋯+βnxn)P(y=1|x) = \frac{1}{1 + e^{-(\beta_0 + \beta_1x_1 + \dots + \beta_nx_n)}}
🔍 ¿Cuándo usarla?
Cuando tu variable objetivo (y) es categórica binaria (0 o 1), como:
🛠️ Implementación en Python
✅ Ejemplo básico con scikit-learn
from sklearn.datasets import load_breast_cancer from sklearn.linear_model import LogisticRegression from sklearn.model_selection import train_test_split from sklearn.metrics import classification_report, confusion_matrix
# Cargar dataset data = load_breast_cancer() X = data.data y = data.target
# Dividir datos X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
# Crear modelo model = LogisticRegression(max_iter=1000) model.fit(X_train, y_train)
# Predicción y_pred = model.predict(X_test)
📊 Evaluación del Modelo
1. Reporte de clasificación
Precisión, recall, F1-score.
print(classification_report(y_test, y_pred))
2. Matriz de confusión
Para ver verdaderos positivos/negativos y errores.
print(confusion_matrix(y_test, y_pred))
3. Probabilidades
# Ver probabilidades de pertenecer a la clase 1 y_proba = model.predict_proba(X_test)[:, 1]
📈 Visualización de la función sigmoide
import numpy as np import matplotlib.pyplot as plt
z = np.linspace(-10, 10, 100) sigmoid = 1 / (1 + np.exp(-z))
plt.plot(z, sigmoid) plt.title('Función Sigmoide') plt.xlabel('z') plt.ylabel('P(y=1)') plt.grid(True) plt.show()
✅ Ventajas
⚠️ Limitaciones
🧠 Variantes avanzadas
multi_class='multinomial')penalty='l1' o 'l2')En Python, puedes usar sklearn para generar y visualizar la matriz de confusión:from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplayimport matplotlib.pyplot as plt
# Datos de ejemploy_real = [1, 1, 0, 1, 0, 0, 1, 0, 1, 0] # Etiquetas realesy_pred = [1, 0, 0, 1, 0, 0, 1, 1, 1, 0] # Predicciones del modelo
# Calcular la matriz de confusióncm = confusion_matrix(y_real, y_pred)
# Visualizar la matriz de confusióndisp = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=["No Spam", "Spam"])disp.plot(cmap=plt.cm.Blues)plt.title("Matriz de Confusión")plt.show()
from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay import matplotlib.pyplot as plt # Datos de ejemplo y_real = [1, 1, 0, 1, 0, 0, 1, 0, 1, 0] # Etiquetas reales y_pred = [1, 0, 0, 1, 0, 0, 1, 1, 1, 0] # Predicciones del modelo # Calcular la matriz de confusión cm = confusion_matrix(y_real, y_pred) # Visualizar la matriz de confusión disp = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=["No Spam", "Spam"]) disp.plot(cmap=plt.cm.Blues) plt.title("Matriz de Confusión") plt.show() ```
porque el audio es ingles y las laminas en combinación de ingles y español, que confuso : (
Es interesante y curioso saber sobre la regresion logistica y que esta usa un diagrama de confusion para ver los resultados de nuestro dataset.