Ahora sabemos que la regresión lineal es simplemente una línea que mejor se ajusta a los datos. Pero, ¿cómo se puede determinar cuál es la correcta?

Se puede calcular la diferencia entre el valor predicho y el valor real objetivo para cada punto de datos en el conjunto de entrenamiento.
Estas diferencias se denominan residuos (o errores). El objetivo es hacer que los residuos sean lo más pequeños posible.

Mínimos Cuadrados Ordinarios

El enfoque predeterminado es el método de Mínimos Cuadrados Ordinarios (OLS):
Tomar cada residuo, elevarlo al cuadrado (principalmente para eliminar el signo del residuo) y sumar todos ellos.
Esto se denomina SSR (Suma de los residuos al cuadrado). La tarea consiste en encontrar los parámetros que minimicen el SSR.

Ecuación Normal

Afortunadamente, no es necesario probar todas las rectas y calcular el SSR para cada una. La tarea de minimizar el SSR tiene una solución matemática que no requiere muchos recursos computacionales.
Esta solución se denomina Ecuación Normal.

Esta ecuación nos proporciona los parámetros de una recta con el menor SSR.
¿No entendiste cómo funciona? ¡No te preocupes! Es matemáticamente complejo. Sin embargo, no es necesario calcular los parámetros manualmente. Muchas bibliotecas ya han implementado la regresión lineal.

Cuestionario