Lección 4 del curso Regresión Lineal.
En la lección anterior vimos cómo evaluar un modelo de Regresión Lineal Simple, es decir cómo cuantificar la relación existente entre las variables del modelo (tarea de inferencia) o cómo cuantificar la calidad de las predicciones generadas por el modelo (tarea de predicción).
Así que en este punto ya tenemos claros todos los elementos esenciales de los modelos de Regresión Lineal Simple. Entonces, en esta lección comenzaremos a extender estas ideas a modelos en los cuales tendremos múltiples variables predictoras: los modelos de Regresión Lineal Múltiple.
Y en particular en esta lección comenzaremos con lo esencial: entendiendo qué es un modelo de Regresión Lineal Múltiple. Así que veremos la formalización matemática de este problema y un ejemplo práctico de implementación de este tipo de modelos con ayuda de Python y la librería Scikit-Learn:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Como acabamos de ver, El objetivo de la Regresión Lineal Múltiple es predecir el valor de una variable numérica $y$ con base en el valor de múltiples (dos o más) variables numéricas $x_1$, $x_2$, …, $x_n$.
Así que la idea es construir un modelo que capture precisamente estas relaciones lineales entre las covariables y la variable a predecir.
Además, vimos que la implementación de este tipo de modelos resulta muy sencilla cuando usamos la librería Scikit-Learn. Basta con preparar adecuadamente las variables «X» (entradas al modelo, correspondientes a las covariables) y la variable «y» (la variable a predecir). Posteriormente creamos una instancia de la clase «LinearRegression()» y luego usamos el método «fit» para realizar el entrenamiento del modelo.
Así que teniendo claro el principio básico de funcionamiento de este tipo de modelos, en la próxima lección veremos cómo se estiman los parámetros de un modelo de Regresión Lineal Múltiple.
Todas las lecciones del curso Regresión Lineal