¿Qué es la regresión lineal?
Clase 4 de 18 • Curso de Regresión Lineal con Python y scikit-learn
Contenido del curso
Darían Rafael Sánchez Muñoz
student•
hace 4 años
Julián Cárdenas
student•
hace 2 años
Darían Rafael Sánchez Muñoz
Julián Cárdenas
JAVIER SANTIAGO SALGADO
Juan R. Vergara M.
Hugo Montoya Diaz
Juan R. Vergara M.
Jose Martin Rangel Espinoza
Jesús Andrés Báez Pérez
Jhon Freddy Tavera Blandon
Gonzalo Ceron Denetro
Jose Manuel Rivas Márquez
Yenny Carolina Llanos Rojas
Manuel Sosa
Cristian Enrique Cuevas Mercado
Dick Saide Suárez Blanco
Mario Alexander Vargas Celis
Harold Edward Rodriguez Navarro
Cornelio Reyes
Paola Alapizco
Antonio Demarco Bonino
Isaac Bryan Ascanoa Roncall
Jesus Adrian Berrio Valdes
Felix Gonzales
Felix Gonzales
La regresión lineal es una técnica que nos ayuda a hacer comparaciones entre los puntos en el plano cartesiano. es decir, que para un valor de X existe un valor de Y, esto se empieza a graficar sobre el plano como un grafico de dispersión
para esos datos, hay que ajustar una linea recta que mejor los entienda, ósea el modelo trata de predecir el mejor ajuste para la linea recta en esos datos.
La función matemática correspondiente a este problema es Y=w0 + w1x
Básicamente esto se conoce como w0 el Intercepto y w1 la pendiente de la linea recta.
durante el ajuste del modelo de regresión lineal se conocen como los pesos del modelo, estos son los valores que va a estar intentando aprender el modelo para entender cual va a ser la mejor linea recta que se va a ajustar a los datos.
Gracias buen summary
Fundamental!!! empezar a entender la regresión lineal comienza por entender muy bien estos aspectos. Y el poder que hay detrás de esta, siempre es bueno comenzar desde la mas fundamental
Así es ✔
Gracias por el aporte.
La regresión lineal es una técnica de modelado estadístico que se emplea para describir una variable de respuesta continua como una función de una o varias variables predictoras. Puede ayudar a comprender y predecir el comportamiento de sistemas complejos o a analizar datos experimentales, financieros y biológicos.
Las técnicas de regresión lineal permiten crear un modelo lineal. Este modelo describe la relación entre una variable dependiente y (también conocida como la respuesta) como una función de una o varias variables independientes Xi (denominadas predictores). La ecuación general correspondiente a un modelo de regresión lineal es:
Y=β0+∑ βiXi+ϵi
Simple interpretación de la formúla
Y = W0 + W1 * X
En resumen, la regresión lineal es un método que nos permite modelar y predecir la relación entre variables mediante una línea recta. El modelo lineal nos proporciona información sobre la pendiente y el término constante, lo que nos permite hacer predicciones basadas en los valores de las variables independientes.
La regresión lineal es un modelo matemático que describe la relación entre variables, con el objetivo de predecir el futuro. Esto se hace por medio de una recta que mejor se ajuste a la nube de datos. La mejor recta que se ajusta a los datos, es la que minimiza el error total.
La ecuación de una regresión lineal es:
Y = B0 + B1*X
B0: Indica la ordenada al origen, podemos decir que es el punto base, pues cuando x es 0, el valor de Y es B0.
B1: Es el valor de nuestra pendiente, el cual nos dice el incremento que tendremos en Y, por cada 1 incremento en X, es decir, es la tasa de cambio.
Hay varias maneras en las que se puede obtener estos valores, la pendiente la podemos obtener por medio del coeficiente de correlación (r) y la desviación estándar de cada variable (Sx, Sy).
B1 = r * (Sy/Sx)
La recta que mejor se ajusta a los datos va a pasar por la media de cada variable, entonces podemos utilizar esos puntos y con ello obtener el valor de B0.
b0=y–b1x
buenisimo, justo pense en buscar en youtube luego de la clase anterior! que bien que lo hiciste asi profe. enhorabuena!
Buenas tardes, quisiera saber cual es el aplicativo usado para graficar el plano cartesiano
👻👻
La interpretación de la pendiente. supongamos que W1=1.5 "si aumenta una unidad en X, entonces en promedio aumenta 1.5 en Y )
----------->Que es una R. Lineal?<-------- Segun otros aportes en la clase, una regresion lineal es una comparacion entre puntos en un plano cartersiano. Luis nos explica un ejemplo de una regresion lineal el cual esta representada como y= w0 + w1(X).
----------> En donde explica que: σLa suma de W0 que es basicamente la distancia que hay desde el punto (0,0) a cualquiera que sea la intercepcion con x (x-int).
σAsi como en cualquier funcion, X es un Básicamente esto se conoce como w0 el Intercepto y w1 la pendiente de la linea recta.
NOTAS EXTRAS: Grafico de dispersion es lo mimo a scatter plot.
La regresión lineal es un método estadístico y de aprendizaje automático que se utiliza para modelar la relación entre una variable dependiente (o de salida) y una o más variables independientes (o de entrada).
🔹 ¿Qué hace?
Intenta ajustar una línea recta (en el caso simple) que mejor explique cómo cambia la variable dependiente a medida que cambian las independientes.
🔸 Ejemplo simple (una sola variable):
Supón que tienes datos de estudio:
Horas de estudioNota en el examen155265370475
La regresión lineal busca encontrar una línea del tipo:
y=b0+b1xy = b_0 + b_1 x
Donde:
🔸 ¿Para qué sirve?
🔹 Tipos de regresión lineal:
🔸 Ejemplo gráfico (regresión simple):
Imagina que trazas una línea sobre un conjunto de puntos dispersos. Esa línea representa la mejor estimación promedio del comportamiento de esos datos.
La regresión lineal es un método estadístico que se utiliza para modelar la relación entre una variable dependiente y una o más variables independientes. Se representa en una ecuación lineal, donde la variable dependiente se predice en función de las variables independientes. Su objetivo es encontrar la línea que mejor se ajuste a los datos, minimizando la suma de los errores cuadrados entre los valores observados y los predichos. Es ampliamente utilizado en análisis de datos y machine learning para hacer predicciones sobre resultados numéricos.
La regresión lineal es un algoritmo de aprendizaje supervisado fundamental en Machine Learning, utilizado para predecir valores numéricos continuos. Aquí te explico los aspectos clave:
Concepto Básico:
Tipos de Regresión Lineal:
¿Cómo funciona?:
Aplicaciones en Machine Learning:
En resumen:
La regresión lineal es una herramienta poderosa y ampliamente utilizada en Machine Learning para la predicción de valores numéricos. Su simplicidad y eficacia la convierten en un algoritmo fundamental para muchos problemas de predicción.
📝 Mi resumen de la clase
¿Qué es la regresión lineal?
Donde:
y.
📌 Los valores de w1 y w0 se conocen como pesos, estos valores son los que el modelo intenta aprender para encontrar la mejor linea recta que se ajuste a los datos.
La regresión lineal es un método estadístico y de machine learning que se utiliza para modelar la relación entre una variable dependiente (también conocida como variable de respuesta o objetivo) y una o más variables independientes (conocidas como predictoras o características). El objetivo de la regresión lineal es encontrar la línea recta (en el caso de una sola variable independiente) o el plano (en el caso de múltiples variables) que mejor se ajuste a los datos y permita hacer predicciones.
Interesante estos puntos con la regresion lineal. Es algo a tener en cuenta al momento de trabajarlo. Me hubiera encantado entenderlo desde el principio.
En palabras mas sencillas,
W0 es cuanto deberia valer X cuando Y es 0
W1 la pendiente de la linea, el cambio en Y por cada unidad de cambio en X
Durante el proceso de entrenamiento, el modelo de regresión lineal ajusta estos parámetros (W0 y W1) para que la línea de regresión se ajuste de la mejor manera
Resumido sería:
X: Cualquier valor que existe en el plano horizontal del plano W0: Punto que corta la recta con el plano.
W1: Tangente, de otra forma se puede entender el valor que se produce en "y", debido a que se agrego un valor en "x".
En W1 es pendiente, no tangente.