algoritmos de regresión

Vista previa del material en texto

Algoritmos Computacionales Grupo C 
M. Cruz Apuntes de prueba de regularización Curso de invierno 2022 
algoritmos de regresión (ejemplo: regresión lineal) 
Los algoritmos de regresión son un tipo de algoritmo de 
aprendizaje automático que se utiliza para predecir el 
valor de una variable de salida en función de una o más 
variables de entrada. Estos algoritmos se utilizan en 
una amplia gama de aplicaciones, como la previsión de 
ventas, la predicción de precios y el diagnóstico médico. 
¿Qué es un algoritmo de regresión? 
Un algoritmo de regresión es un conjunto de reglas o 
funciones que se utilizan para predecir el valor de una 
variable de salida. Estos algoritmos suelen entrenarse 
en un conjunto de datos de observaciones históricas, 
que son observaciones en las que se conoce el valor de 
la variable de salida. Una vez que el algoritmo se ha 
entrenado, se puede utilizar para predecir el valor de la 
variable de salida en nuevas observaciones. 
¿Cómo funciona un algoritmo de regresión? 
Los algoritmos de regresión funcionan de diferentes 
maneras, pero todos ellos comparten un objetivo 
común: encontrar una relación entre las variables de 
entrada y la variable de salida. Algunos algoritmos de 
regresión populares incluyen: 
• Regresión lineal: Este algoritmo asume que la 
relación entre las variables de entrada y la 
variable de salida es lineal. 
• Regresión logística: Este algoritmo asume que la 
variable de salida es categórica. 
• Regresión no lineal: Este algoritmo no asume 
ninguna forma particular para la relación entre 
las variables de entrada y la variable de salida. 
Ejemplo: regresión lineal 
La regresión lineal es un algoritmo de regresión simple 
pero poderoso. Este algoritmo asume que la relación 
entre las variables de entrada y la variable de salida es 
lineal. 
Para utilizar la regresión lineal, primero se debe 
identificar las variables de entrada y la variable de 
salida. Una vez que se 
han identificado las 
variables, se debe 
recopilar un conjunto de 
datos de observaciones 
históricas. 
Una vez que se ha 
recopilado un conjunto 
de datos, se puede 
utilizar un paquete de 
software estadístico 
para entrenar un modelo 
de regresión lineal. El 
modelo de regresión 
lineal se puede utilizar 
para predecir el valor de 
la variable de salida en 
nuevas observaciones. 
Ventajas y desventajas 
de la regresión lineal 
La regresión lineal tiene 
una serie de ventajas, 
entre ellas: 
• Es un algoritmo 
simple y fácil de 
entender. 
• Es un algoritmo 
robusto que 
puede funcionar 
bien en una 
variedad de 
situaciones. 
• Es un algoritmo 
paramétrico, lo 
que significa que 
hace 
suposiciones 
sobre la 
distribución de 
los datos. 
Algoritmos Computacionales Grupo C 
M. Cruz Apuntes de prueba de regularización Curso de invierno 2022 
Sin embargo, la regresión lineal también tiene algunas 
desventajas, entre ellas: 
• Puede no ser adecuado para relaciones no 
lineales. 
• Puede ser sensible a los valores atípicos. 
Conclusión 
Los algoritmos de regresión son una herramienta 
poderosa que se puede utilizar en una amplia gama de 
aplicaciones. La regresión lineal es un algoritmo de 
regresión simple pero poderoso que es una buena 
opción para muchos problemas de regresión. 
Ideas principales para estudiantes de universidad 
• Los algoritmos de regresión son un tipo de 
algoritmo de aprendizaje automático que se 
utiliza para predecir el valor de una variable de 
salida en función de una o más variables de 
entrada. 
• Los algoritmos de regresión funcionan de 
diferentes maneras, pero todos ellos comparten 
un objetivo común: encontrar una relación entre 
las variables de entrada y la variable de salida. 
• La regresión lineal es un algoritmo de regresión 
simple pero poderoso. Este algoritmo asume que 
la relación entre las variables de entrada y la 
variable de salida es lineal. 
Recomendaciones para estudiantes de universidad 
• Para aprender más sobre algoritmos de 
regresión, se recomienda que los estudiantes de 
universidad consulten libros y artículos de 
investigación sobre el tema. 
• Los estudiantes de universidad también pueden 
encontrar recursos útiles en línea, como 
tutoriales y cursos. 
• Practicar con ejemplos de algoritmos de 
regresión es una excelente manera de aprender 
cómo funcionan estos algoritmos. 
Adiciones específicas 
para estudiantes de 
universidad 
• Los estudiantes 
de universidad 
pueden encontrar 
útil aprender 
sobre 
la regresión lineal 
simple, que es un 
caso especial de 
regresión lineal 
en el que solo 
hay una variable 
de entrada. 
• Los estudiantes 
de universidad 
también pueden 
encontrar útil 
aprender sobre 
la regresión lineal 
múltiple, que es 
un caso general 
de regresión 
lineal en el que 
hay más de una 
variable de 
entrada. 
• Los estudiantes 
de universidad 
también pueden 
encontrar útil 
aprender sobre 
la interpretación 
de los resultados 
de la regresión 
lineal, que es un 
proceso 
importante para 
comprender 
cómo funciona el 
Algoritmos Computacionales Grupo C 
M. Cruz Apuntes de prueba de regularización Curso de invierno 2022 
modelo de regresión lineal.