Introducción
La regresión es una técnica de análisis de datos simple, común y muy útil, conocida coloquialmente como "ajuste de una línea de tendencia". La regresión identifica la intensidad de la relación entre una o varias características y una sola etiqueta. Su simplicidad, comportamiento predecible, capacidad de previsión y alto nivel de interpretabilidad significa que esta técnica se usa en finanzas, empresas, ciencias sociales, epidemiología y medicina.
En este módulo, se profundizará en el funcionamiento de la regresión y sus limitaciones y se aprenderá a evaluar su rendimiento.
Escenario: saturación de una clínica veterinaria
A lo largo de este módulo, usaremos el siguiente escenario de ejemplo para explicar los conceptos subyacentes a la regresión. Este escenario está diseñado para proporcionar un ejemplo de cómo podría usar esta técnica al analizar datos futuros.
Los perros de rescate de la organización benéfica que administra han sufrido una repentina ola de enfermedad. Después de un día de entrenamiento y actividades sociales, muchos de los perros con los que trabaja han enfermado, siendo la fiebre el síntoma principal (temperatura corporal elevada). Preocupados por los perros que aún no han presentado síntomas, el equipo ha recopilado información básica sobre los primeros 100 perros que enfermaron. Su trabajo es identificar cuáles de ellos tienen mayor riesgo de enfermar, de modo que los pueda visitar un veterinario.
Objetivos de aprendizaje
En este módulo, aprenderá a:
- Comprende el funcionamiento de la regresión.
- Trabaja con algoritmos nuevos: regresión lineal, regresión lineal múltiple y regresión polinómica.
- Comprende los puntos fuertes y las limitaciones de los modelos de regresión.
- Visualiza las funciones de error y costo en la regresión lineal.
- Comprender las métricas de evaluación básicas para la regresión.
Requisitos previos
- Familiaridad con los modelos de Machine Learning