Qué es la Regresión Lineal
Conceptos básicos
Regresión es una tarea de aprendizaje supervisado que consiste en predecir un valor numérico (por ejemplo, el precio de una casa), conocido como objetivo, a partir de un conjunto de variables de entrada (por ejemplo, tamaño, antigüedad, ubicación, etc.), denominadas características.
Para entrenar el modelo, se deben proporcionar muchos ejemplos de dichas casas, tanto las características como el objetivo. El conjunto de ejemplos con el que se entrena el modelo se denomina conjunto de entrenamiento.
El modelo más sencillo capaz de realizar tareas de regresión es la Regresión Lineal. Considere este diagrama de dispersión que muestra la altura de una persona y la altura de su padre.
Cómo funciona
La Regresión Lineal Simple consiste en ajustar una línea recta a los datos de manera que la línea esté lo más cerca posible de los puntos de datos.
Realización de predicciones
Ahora se puede utilizar esta línea para predecir el valor objetivo de un nuevo punto.
Por ejemplo, suponga que se desea predecir la altura de una persona si su padre mide 63.5 pulgadas. Simplemente seleccione un punto de la línea que corresponda a X=63.5, y su valor y será nuestra predicción.
El modelo predice que la persona medirá 64.3 pulgadas.
Ecuación de Regresión Lineal Simple
Como recordará de la escuela, la función de una línea es y=b+ax, por lo que durante el entrenamiento, la regresión lineal simple simplemente aprende qué valores deben tener a y b para formar la línea deseada. Los valores que el modelo aprende se denominan parámetros, y más adelante en el curso, denotaremos los parámetros usando 𝛽 en lugar de a, b. Así que nuestra ecuación de regresión lineal simple es:
1. En regresión, el valor que queremos predecir se llama:
2. Complete los espacios
¡Gracias por tus comentarios!
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
Can you explain what the training set is in more detail?
How does the model determine the best line for the data?
What do the parameters 𝛽₀ and 𝛽₁ represent in the regression equation?
Awesome!
Completion rate improved to 5.26Qué es la Regresión Lineal
Desliza para mostrar el menú
Conceptos básicos
Regresión es una tarea de aprendizaje supervisado que consiste en predecir un valor numérico (por ejemplo, el precio de una casa), conocido como objetivo, a partir de un conjunto de variables de entrada (por ejemplo, tamaño, antigüedad, ubicación, etc.), denominadas características.
Para entrenar el modelo, se deben proporcionar muchos ejemplos de dichas casas, tanto las características como el objetivo. El conjunto de ejemplos con el que se entrena el modelo se denomina conjunto de entrenamiento.
El modelo más sencillo capaz de realizar tareas de regresión es la Regresión Lineal. Considere este diagrama de dispersión que muestra la altura de una persona y la altura de su padre.
Cómo funciona
La Regresión Lineal Simple consiste en ajustar una línea recta a los datos de manera que la línea esté lo más cerca posible de los puntos de datos.
Realización de predicciones
Ahora se puede utilizar esta línea para predecir el valor objetivo de un nuevo punto.
Por ejemplo, suponga que se desea predecir la altura de una persona si su padre mide 63.5 pulgadas. Simplemente seleccione un punto de la línea que corresponda a X=63.5, y su valor y será nuestra predicción.
El modelo predice que la persona medirá 64.3 pulgadas.
Ecuación de Regresión Lineal Simple
Como recordará de la escuela, la función de una línea es y=b+ax, por lo que durante el entrenamiento, la regresión lineal simple simplemente aprende qué valores deben tener a y b para formar la línea deseada. Los valores que el modelo aprende se denominan parámetros, y más adelante en el curso, denotaremos los parámetros usando 𝛽 en lugar de a, b. Así que nuestra ecuación de regresión lineal simple es:
1. En regresión, el valor que queremos predecir se llama:
2. Complete los espacios
¡Gracias por tus comentarios!
