Regresión Lineal
El modelo predictivo más simple y potente para entender relaciones entre variables continuas.
La Regresión Lineal busca encontrar la “mejor línea” que se ajuste a un conjunto de puntos. Es la base de gran parte del Machine Learning moderno y la herramienta principal para la predicción de valores numéricos.
Experimenta con la Recta OLS
Usa el laboratorio interactivo para dibujar puntos y ver cómo la línea se ajusta automáticamente mediante Mínimos Cuadrados Ordinarios (OLS).
Laboratorio de Regresión
Mínimos Cuadrados Ordinarios
Clica para dibujar datos
La ecuación fundamental
La regresión lineal busca modelar la relación entre una variable dependiente \(y\) y una variable independiente \(x\) mediante la siguiente forma:
Donde:
- \(\beta_0\): Intercepto (valor de $y$ cuando $x=0$).
- \(\beta_1\): Pendiente.
- \(\epsilon\): Término de error aleatorio.
El algoritmo OLS minimiza el Error Residual (SSE):
Y el coeficiente de determinación \(R^2\) se define como:
Aplicaciones
Desde predecir el precio de una casa basándose en sus metros cuadrados hasta estimar el impacto de una campaña de marketing en el ROI.