|
| 1 | + |
| 2 | +# Regresiones líneales <!-- omit in toc --> |
| 3 | + |
| 4 | +> * Análisis de datos mediante regresiones líneales |
| 5 | +
|
| 6 | +## Tabla de Contenido<!-- omit in toc --> |
| 7 | +- [Introducción al ML y modelos predictivos](#introducci%c3%b3n-al-ml-y-modelos-predictivos) |
| 8 | + - [Clasificación](#clasificaci%c3%b3n) |
| 9 | + - [Algoritmos de aprendizaje supervisado](#algoritmos-de-aprendizaje-supervisado) |
| 10 | +- [La matemática detras de la regresión lineal](#la-matem%c3%a1tica-detras-de-la-regresi%c3%b3n-lineal) |
| 11 | + - [Método de mínimos cuadrados](#m%c3%a9todo-de-m%c3%adnimos-cuadrados) |
| 12 | + |
| 13 | +# Introducción al ML y modelos predictivos |
| 14 | + |
| 15 | +* Necesita de un dataset con observaciones etiquetadas |
| 16 | +* Contar con un set de entrenamiento y un set de pruebas para validar si el entrenamiento es eficiente o no |
| 17 | +* Modelo de machine learning |
| 18 | +* Modelo predictivo al que se le ponen datos nuevos y comienza a predecir |
| 19 | +* Reajustar y entrenar el modelo |
| 20 | + |
| 21 | +<div align="center"> |
| 22 | + <img src="img/1.png"> |
| 23 | +</div> |
| 24 | + |
| 25 | +> Ej. Precios de vienes raíces año por año de una zona. X año, Y costo de la casa en la zona. Tienes los datos de 1920 hasta la fecha y quieres predecir cuanto va a ser el costo de una casa en 2025 |
| 26 | +
|
| 27 | +Predecir datos futuros o previos utilizando una línea que pase por la mayoría de los datos |
| 28 | + |
| 29 | +* Son algoritmos supervisados |
| 30 | +* Predicción de datos nuevos |
| 31 | + |
| 32 | +<div align="center"> |
| 33 | + <img src="img/2.png"> |
| 34 | +</div> |
| 35 | + |
| 36 | +* Estimar crecimiento de la población |
| 37 | +* Predicción del clima |
| 38 | +* Predicción del mercado |
| 39 | + |
| 40 | +## Clasificación |
| 41 | + |
| 42 | +* Retención de clientes |
| 43 | +* Diagnósticos |
| 44 | +* Clasificación de imagenes |
| 45 | + |
| 46 | +## Algoritmos de aprendizaje supervisado |
| 47 | + |
| 48 | +<div align="center"> |
| 49 | + <img src="img/3.png"> |
| 50 | +</div> |
| 51 | + |
| 52 | +<div align="center"> |
| 53 | + <img src="img/4.png"> |
| 54 | +</div> |
| 55 | + |
| 56 | +<div align="center"> |
| 57 | + <img src="img/5.png"> |
| 58 | +</div> |
| 59 | + |
| 60 | +# La matemática detras de la regresión lineal |
| 61 | + |
| 62 | +Modelo matemático que nos va a ayudar a encontrar la relación entre una variable dependiente e independiente |
| 63 | + |
| 64 | +* X **La variable independiente** es una variable que controlamos |
| 65 | +* Y **La variable dependiente** está fuera de nuestro control, influyen más factores |
| 66 | + |
| 67 | +También dispones de una **constante** y una **pendiente** |
| 68 | + |
| 69 | +<div align="center"> |
| 70 | + <img src="img/6.png"> |
| 71 | +</div> |
| 72 | + |
| 73 | +## Método de mínimos cuadrados |
| 74 | + |
| 75 | +<div align="center"> |
| 76 | + <img src="img/7.png"> |
| 77 | +</div> |
| 78 | + |
| 79 | +<div align="center"> |
| 80 | + <img src="img/8.png"> |
| 81 | +</div> |
| 82 | + |
| 83 | +<div align="center"> |
| 84 | + <img src="img/9.png"> |
| 85 | +</div> |
0 commit comments