Recetario de Aprendizaje Automático con Python, 2ª Edición

Capítulo 13. Regresión lineal

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

13.0 Introducción

La regresión lineal es uno de los algoritmos de aprendizaje supervisado más sencillos de nuestro conjunto de herramientas. Si alguna vez has hecho un curso introductorio de estadística en la universidad, probablemente el último tema que trataste fue la regresión lineal. La regresión lineal y sus extensiones siguen siendo un método común y útil para hacer predicciones cuando el vector objetivo es un valor cuantitativo (por ejemplo, el precio de la vivienda, la edad). En este capítulo trataremos diversos métodos de regresión lineal (y algunas extensiones) para crear modelos de predicción de buen rendimiento.

13.1 Ajustar una línea

Problema

Quieres entrenar un modelo que represente una relación lineal entre la característica y el vector objetivo.

Solución

Utiliza una regresión lineal (en scikit-learn, LinearRegression):

# Load libraries
from sklearn.linear_model import LinearRegression
from sklearn.datasets import make_regression

# Generate features matrix, target vector
features, target = make_regression(n_samples = 100,
                                   n_features = 3,
                                   n_informative = 2,
                                   n_targets = 1,
                                   noise = 0.2,
                                   coef = False,
                                   random_state = 1)

# Create linear regression
regression = LinearRegression()

# Fit the linear regression
model = regression.fit(features, target)

Debate

La regresión lineal supone que la relación entre las características ...