Cursos Empresas Blog Live Conf Precios

Tu primera regresión lineal con scikit-learn

Clase 1 de 18 • Curso de Regresión Lineal con Python y scikit-learn

Clase anteriorSiguiente clase

Jimer Samuel Espinoza

student•

hey, tu, el que esta leyendo esto tu puedes brx!

cristian julian mancera bolivar

student•

Graacias !

Antonio Demarco Bonino

student•

Gracias & más Gracias que Nunca!

FELIX DAVID CORDOVA GARCIA

student•

df.columns=["CRIM","ZN","INDUS" , "CHAS" ,"NOX","RM" ,"AGE","DIS", "RAD","TAX", "PTRATIO", "B" , "LSTAT" , "MEDV"]

Luis Fernando Laris Pardo

student•

Gracias!

Juan R. Vergara M.

student•

Muchas gracias 🥇

Nicolás Vrancovich

student•

df.columns=['CRIM','ZN','INDUS','CHAS','NOX','RM','AGE','DIS','RAD','TAX','PTRATIO','B','LSTAT','MEDV']

Ricardo Ruiz

student•

me sirve

Paolo Joaquin Pinto Perez

student•

Update 2023

El link del dataset se cayó, entonces yo lo añadi desde local, ej:

Descargar dataset (housing.data)

import pandas as pd

df = pd.read_csv(
    './housing.data', 
    header=None, # especificamos que el dataset no tiene headers.
    sep='\s+') # especificamos que la separacion esta hecha por espacios y no por comas.

df.columns = ["CRIM","ZN","INDUS" , "CHAS" ,"NOX","RM" ,"AGE","DIS", "RAD","TAX", "PTRATIO", "B" , "LSTAT" , "MEDV"]

df.head()

Duvan Bernal

student•

Gracias por subir el archivo

Mariana Paniagua Lopera

student•

Gente que le pone el alma!

Erika Alexandra García Barrios

student•

import pandas as pd df = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/housing/housing.data', header=None, sep='\s+') #El header no existe + Separación por espacios #Cómo las columnas no tienen nombres, se van a reemplazar: df.columns = ['CRIM','ZN','INDUS','CHAS','NOX','RM','AGE','DIS','RAD','TAX','PTRATIO','B','LSTAT','MEDV'] df.head(5)

Jhon Freddy Tavera Blandon

student•

Regresión lineal con scikit-learn

La biblioteca Scikit-Learn ofrece una amplia gama de herramientas para realizar análisis de regresión lineal. Aquí tienes un ejemplo básico de cómo puedes utilizar Scikit-Learn para realizar una regresión lineal:

Scikit-Learn, también conocido como sklearn, es una biblioteca de aprendizaje automático (machine learning) para el lenguaje de programación Python. Proporciona una amplia gama de algoritmos y herramientas para tareas de aprendizaje supervisado y no supervisado, incluyendo clasificación, regresión, agrupamiento (clustering), selección de características, preprocesamiento de datos y más.

Scikit-Learn se construye sobre otras bibliotecas populares de Python, como NumPy y SciPy, y proporciona una interfaz coherente y fácil de usar para el desarrollo de modelos de aprendizaje automático. Es una de las bibliotecas más utilizadas y respetadas en el campo del aprendizaje automático debido a su simplicidad, eficiencia y enfoque en las mejores prácticas.

Ragknos Demian Fernandez Agraz Rodriguez

student•

import pandas as pddf = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/housing/housing.data', header=None, sep='\s+')df.columns = ['CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', 'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV']df.head()

Gabriel Obregón

student•

📌Housing Dataset

🛠️ Librerías utilizadas

📊 pandas (pd) → manejo de datos
📈 seaborn (sns) → gráficos estadísticos
🎨 matplotlib.pyplot (plt) → visualización general
🔢 numpy (np) → operaciones numéricas
⚖️ StandardScaler → normalización de variables
📐 LinearRegression → modelo de regresión lineal

📥 Carga del dataset

🌐 Fuente: UCI Machine Learning Repository
📂 Archivo: housing.data
⚙️ Opciones de carga:
- header=None → sin encabezados
- sep='\s+' → valores separados por espacios
📌 Resultado → datos guardados en df (DataFrame)

🏘️ Variables del dataset

Cada columna representa una característica de las viviendas o el entorno:

🚨 CRIM → criminalidad per cápita
🏡 ZN → terrenos residenciales (lotes grandes)
🏭 INDUS → acres de negocios no minoristas
🌊 CHAS → límite con río Charles (1 = sí, 0 = no)
☁️ NOX → concentración de óxidos nítricos
🛏️ RM → número promedio de habitaciones
⏳ AGE → % de casas construidas antes de 1940
🚶 DIS → distancia ponderada a centros de empleo
🛣️ RAD → accesibilidad radial a autopistas
💰 TAX → tasa de impuesto a la propiedad
📚 PTRATIO → relación alumno-profesor
👥 B → proporción de población afroamericana (ajustada)
📉 LSTAT → % de población con bajo estatus socioeconómico
🏠 MEDV → valor medio de las viviendas (en miles de $)

🔎 Verificación de datos

🖥️ Comando: df.head()
Permite comprobar: ✅ Datos cargados correctamente ✅ Columnas con nombres asignados

Yahir Olguin Lugo

student•

hola, oye no encontre el dataset, y ya intente con la url tambien. como lo encontrate?

Fabián Andrés Meneses Morales

student•

Estoy viendo un curso similar en la especialización que me ha costado un poco entender. Menos mal existe esto en Platzi para poder afianzar los conocimientos :)

Pablo .

student•

Si no les aparece el autocompletado en Google Colab usen:

ctrl + space_bar

Jhonntan Andres Castaño Rojas

student•

use chatgpt para los nombres de las columnas ajajajaj

Oswaldo Jair García Franco

student•

Esta genial. cual fue tu consulta? y como anexaste el archivo?

Jeinfferson Bernal G

student•

Buen inicio de curso. Directamente al notebook 👍

Isaac Bryan Ascanoa Roncall

student•

Es interesante la forma de extraer columnas y mostrar un dataset de este modo. Me encanto, cada vez mas estoy aprendiendo el concepto de data-science.

Mario Alexander Vargas Celis

student•

Vamos a hacer tu primera regresión lineal usando scikit-learn, una de las bibliotecas más populares de Python para machine learning.

📈 ¿Qué es una regresión lineal?

Es un modelo matemático que relaciona una variable independiente (X) con una variable dependiente (y) a través de una recta:

y=mX+by = mX + b

Donde:

m es la pendiente
b es la intersección o término independiente

✅ Ejemplo paso a paso con código

1. Importar bibliotecas necesarias

import numpy as np import matplotlib.pyplot as plt from sklearn.linear_model import LinearRegression

2. Crear datos de ejemplo

# Datos artificiales X = np.array([[1], [2], [3], [4], [5]]) # variable independiente y = np.array([2, 4, 5, 4, 5]) # variable dependiente

3. Crear y entrenar el modelo

modelo = LinearRegression() modelo.fit(X, y)

4. Ver los coeficientes del modelo

print("Pendiente (coef_):", modelo.coef_) print("Intersección (intercept_):", modelo.intercept_)

5. Hacer predicciones

X_nuevos = np.array([[6], [7]]) predicciones = modelo.predict(X_nuevos) print("Predicciones:", predicciones)

6. Visualizar la regresión

plt.scatter(X, y, color='blue', label='Datos reales') plt.plot(X, modelo.predict(X), color='red', label='Línea de regresión') plt.xlabel("X") plt.ylabel("y") plt.legend() plt.title("Regresión Lineal con scikit-learn") plt.grid(True) plt.show()

🎓 ¿Qué aprendiste?

Con esto lograste:

Crear un modelo de regresión lineal
Ajustarlo con datos reales
Predecir nuevos valores
Visualizar la línea de mejor ajuste

Marcos

student•

El ejemplo que dan no esta disponible. Como se puede practicar..... tienen muy desactualizado el curso

Andrés Rugeles

student•

Buen día para todos.

Actualización al 10 de octubre 2023:

import pandas as pd
df = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/housing/housing.data', header=None, sep='\s+')
df.columns=["CRIM","ZN","INDUS" , "CHAS" ,"NOX","RM" ,"AGE","DIS", "RAD","TAX", "PTRATIO", "B" , "LSTAT" , "MEDV"]
df.head()
```import pandas as pddf = pd.read\_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/housing/housing.data', header=None, sep='\s+')df.columns=\["CRIM","ZN","INDUS" , "CHAS" ,"NOX","RM" ,"AGE","DIS", "RAD","TAX", "PTRATIO", "B" , "LSTAT" , "MEDV"]df.head()

DAN ARIOC RAMBADO

student•

B = 1000(Bk - 0.63)^2 where Bk is the proportion of blacks by town

Alguien presto atención a la columna B?

jader lopez

student•

si rarisima creo que es la cantidad de personas negras en el pueblo, yo recien estoy explorando y esta columna me llamo mucho la atencion. tu que pudiste observar de esta columna?

Joel Orellana

student•

uffff llegué :3 se va poniendo buena la ruta!

Óscar martinez

student•

saludos , seria genial un curso de actuaria en platzi

Marco Carmona

student•

Actuaría como tal es una carrera, pero hay varías rutas dentro de Platzi que sirven para actuaría.

Luis Fernando Laris Pardo

student•

Justamente, se podría más bien tener un curso de cálculo de riesgos para seguros o cálculo de riesgos aplicados y hablar de el Valor en Riesgo y cómo se calcula jaja aunque uno siempre puede empezar aprendiendo probabilidad, estadística y ver sus aplicaciones en seguros y finanzas ;)

Dick Saide Suárez Blanco

student•

Curso de regreseion lineal con Python

σ El maestro Luis, nos introduce a "seaborn".

El cual al parcer se escribe de esta manera " import seaborn as sns "
Este nos permite a dar contexto a los graficos que ayudan a entender la relacion entre variables. ...Ok, muchas cosas interesantes jaja
1. es ver que se usa el principio una cosa tal "import pandas as pd". enter
2. Lo siguiente es ver que tiene un " pd.read_csv('pones el link del articulo del que quieres extraer los datos', continua) "
3. continua justo despues de eso, escribe " hearder = None,continua", esto fue al ver que el encabezado no se esta separando por columnaslo cual significa que no hay Encabezado
4. " continua ", al ver que no esta separado por comas, lo pone ahora como sev (comma separated value). Entonces Luis escribio, " sep='\s+' ". Para expresar: lo que se necesita es separacion por espacios. -------Lo cual nos dara 13 columnas y un dato numerico. NOTA: Las columans por default se ponen en numeros, debido a que esta ocacion no hubo headlinas /encabezados. +Pero para sacar los valores de los encabezaos, hay que ir al otro archivo de la web. +Para loo encabezos, primero le aclaramos al principio del codigo ahora se pone "df = " lo cual signinca "data frame" . Y terminamos con un " df.head() " para que muestre la informacion.