métodos para resolver problemas de regresión lineal

Plus de détails

Propiocepción

par Juanchi-retos-y-mas Juanchi-retos-y-mas

serie numérica oral

par Ruby Garcia Montaño

LA PLANIFICACIÓN DEPORTIVA

par Andres Melo

VICIOS DEL LENGUAJE: Son aquellas formas de construcción o empleo de vocabulario inadecuado que pueden dificultar la interpretación correcta de un mensaje. Involucra tanto la diccion como el vocabulario, pues comprende todos los factores que alteran el flujo normal de la comunicación.

par Alejandra De La Cueva

métodos para resolver problemas de regresión lineal

Regresión lineal de Python

Para hacer una regresión lineal en python, vamos a usar scikit-learn, que es una librería de python para aprendizaje automático.

Podemos evaluar la calidad del modelo midiendo el error cuadrático medio y el coeficiente de determinación R2.

Vamos a evaluar la calidad del modelo aprendido usando solamente los datos de entrenamiento.

Una vez que tenemos entrenado el modelo de regresión lineal, podemos hacer predicciones usando el método predict de la clase LinearRegression.

El método fit se encarga de ajustar los parámetros de regresión lineal a los datos.

Para entrenar el modelo, simplemente tendremos que hacer uso de scikit-learn.

Regresión lineal de Sklearn

Sklearn es una de las mejores librerías que hay para Machine Learning en la actualidad, para la regresión lineal

Una vez entrenado el modelo, se evalúa la capacidad predictiva empleando el conjunto de test.

cikit-learn existen varios datasets que podemos utilizar directamente para trabajar con este tipo de problemas.

Para interpretar el modelo necesitamos ver los coeficientes o lo que es lo mismo, las betas, es decir como es ponderada cada variable. Sklearn nos lo pone muy sencillo con el atributo .coef

normalize: True/False, para normalizar los datos o no, normalmente la regresión lineal suele funcionar mejor con datos normalizados

fit_intercept: True/False, para quedar o quitar la constante β₀ de nuestro modelo.

Regresión lineal de MATLAB

Para la regresión lineal múltiple y multivariante, permite la regresión por pasos, robusta y multivariante

Detectar valores atípicos

Evalúa la bondad de ajuste

Representa los valores residuales

Compara ajustes de modelos lineales

Genera predicciones

Metodo Simplex

método analítico de solución de problemas de programación lineal capaz de resolver modelos más complejos

TIPOS DE SOLUCIÓN

SOLUCION DEGENERADA

SOLUCION OPTIMA MULTIPLE

PROBLEMA SIN SOLUCIÓN

SOLUCIÓN NO ACOTADA

SOLUCIÓN UNICA

Regresión lineal de Excel

En “Opciones de línea de tendencia”, selecciona “lineal” y luego, al final de la sección, haz click en las casillas de “Presentar ecuación en el gráfico”

Haz click derecho sobre cualquiera de los puntos del gráfico, y selecciona “Agregar lína de tendencia”

Aparecerá un gráfico que relaciona los años de educación (en el eje X) con el salario (en el eje Y).

En la pestaña “Insertar”, dirígete a la sección de “Gráficos” y selecciona la primera opción para “Dispersión

Selecciona toda la tabla con información.

Regresión lineal R

se conoce como coeficiente de determinación, o coeficiente de determinación múltiple si se trata de regresión múltiple.

podemos representar una matriz de diagramas de dispersión

corresponden a tres variables

Para cuantificar el grado de relación lineal, calculamos la matriz de coeficientes de correlación

El comando básico es lm (linear models).

es una medida estadística