Lección 2 del curso Regresión Logística.
En la lección anterior vimos en qué consiste un problema de clasificación en el Machine Learning, así que ya estamos listos para comenzar con el elemento central de este curso: los modelos de Regresión Logística.
Entonces, en esta lección veremos en detalle la Regresión Logística simple, el tipo de modelo más sencillo que podemos implementar. Este modelo toma una variable predictora y predice la probabilidad de que el dato de entrada pertenezca a una de dos posibles categorías.
Así que veremos un sencillo ejemplo de implementación de este tipo de modelo haciendo uso de la librería Scikit-Learn y de igual forma veremos la formulación matemática de la Regresión Logística simple:
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, un modelo de regresión logística simple toma sólo una variable predictora a la entrada y a la salida predice la probabilidad de que la categoría del dato sea igual a 1.
Además, vimos lo sencillo que resulta implementar y entrenar este tipo de modelos en Python, con ayuda de la librería Scikit-Learn.
Así que teniendo claro este principio de funcionamiento y habiendo visto un primer ejemplo de aplicación práctica, en la siguiente lección veremos en detalle en qué consiste la estimación de parámetros de un modelo de Regresión Logística.
Todas las lecciones del curso Regresión Logística