En el mundo de los datos y los programas informáticos, el concepto de aprendizaje automático puede parecer un hueso duro de roer, lleno de matemáticas complicadas e ideas complejas.
Es por eso que hoy quiero detenerme y revisar las cosas básicas que hacen que todo esto funcione. Estoy iniciando una nueva serie de artículos que llamo MLBasics.
Revisaremos los modelos simples, pero muy importantes, que son el ABC del aprendizaje automático. Piensa en ello como si empezaras con las piezas fáciles de un gran rompecabezas. Volvemos a las cosas simples, donde es fácil entender lo que está pasando.
Así que acompáñenos mientras lo desglosamos y lo dejamos todo claro.
¡Profundicemos juntos en la regresión lineal simple, paso a paso! 👇🏻🤓
El ámbito del análisis predictivo es vasto, pero en su esencia se encuentra la regresión lineal, el método más sencillo para dar sentido a las tendencias de los datos.
Si bien sus extensiones a múltiples variables pueden parecer desalentadoras, hoy nuestro enfoque se reduce a la regresión lineal simple.
🎯 ¿La meta principal?
Encuentre una relación lineal entre:
- La variable independiente o predictor.
- La variable dependiente o salida
En pocas palabras, la regresión lineal consiste en encontrar una línea recta que muestre cómo se conectan dos cosas, como cuánto estudias (esa es la parte independiente) y tus puntuaciones en los exámenes (esa es la parte dependiente).
La gran idea es ver cómo una cosa puede predecir la otra.
Suena interesante, ¿verdad?
Así que ahora… intentemos darle algún sentido a la pregunta sobre regresión lineal…
Piense en ello como un esfuerzo de equipo en el que dos cosas funcionan juntas: