Regresión lineal #
La regresión lineal es uno de los métodos más fundamentales en aprendizaje automático y estadística. Aproxima la relación entre entradas (características) y salida (objetivo) con una “línea” o “plano” para predecir valores y entender relaciones entre variables.
¿Por qué aprenderla? #
- Simple e interpretable
- Fácil de implementar y computar
- Útil para predicción y interpretación
- Base de métodos avanzados (Ridge/Lasso, GLM, redes neuronales, etc.)
¿Qué puede hacer? #
- Predicción: p. ej., ventas a partir de publicidad, nota de examen a partir de horas de estudio
- Análisis de relaciones: los coeficientes muestran cómo cambia la salida por unidad de cambio en la entrada
- Importancia de variables: identificar qué variables importan
Lo que verás en esta sección #
- Mínimos cuadrados: cómo ajustar la mejor recta
- Ridge y Lasso: regularización contra el sobreajuste
- Regresión robusta (p. ej., Huber): tratar datos con outliers
Resumen #
- La regresión lineal es “simple pero ampliamente aplicable”.
- A pesar de su simplicidad, se usa mucho en la práctica.
- Los conceptos aquí se trasladan a modelos más avanzados (árboles, SVM, redes neuronales).