Lección 3 del curso Regresión Logística.
En la lección anterior vimos todos los detalles de la Regresión Logística simple, el modelo más sencillo en esta familia de modelos de clasificación que tiene un amplio rango de aplicaciones en el Machine Learning.
En esta lección vamos a entender cómo se entrena un modelo de Regresión Logística, lo cual permite determinar los parámetros de este tipo de modelos. Así que hablaremos en detalle del algoritmo de máxima verosimilitud y veremos además cómo usar la librería «statsmodels» de Python para realizar el análisis estadístico de los parámetros del modelo obtenidos tras el entrenamiento:
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, la función de verosimilitud permite cuantificar qué tanto se acercan las predicciones hechas por el modelo a los valores reales que se quieren predecir. Y el algoritmo de máxima verosimilitud (maximum likelihood) permite precisamente entrenar de forma automática un modelo de Regresión Logística, encontrando los parámetros que maximizan dicha verosimilitud (optimizando de esta forma la manera como el modelo se ajusta a los datos de entrenamiento).
Además, el análisis estadístico de los parámetros obtenidos permite determinar si los coeficientes del modelo son o no estadísticamente iguales a cero, lo cual nos permite estimar su relevancia al momento de realizar predicciones con el modelo ya entrenado.
Así que en este punto ya tenemos una idea detallada de cómo crear y entrenar un modelo de Regresión Logística y cómo es que se pueden estimar de forma automática y cómo se pueden evaluar los parámetros del modelo.
Teniendo esto en cuenta, en la próxima lección veremos las diferentes herramientas que nos permiten cuantificar la calidad de las predicciones llevadas a cabo por estos modelos. Así que veremos cómo evaluar un modelo de Regresión Logística.
Todas las lecciones del curso Regresión Logística