Regresión Lineal Simple: La línea de mejor ajuste

Programa: Introducción a la Ciencia de Datos con Python

Curso: Introducción al Aprendizaje Automático (Machine Learning)

Aprendizaje Supervisado - Regresión: Prediciendo valores continuos

7 lecciones

44 minutos para completar

Progreso0% completado

Este tópico te introduce al mundo del Aprendizaje Supervisado con un enfoque en tareas de Regresión. Aprenderás a construir modelos capaces de predecir un valor numérico continuo (como el precio de una casa, la temperatura, o el saldo de un cliente) basándose en un conjunto de características de entrada. Comenzaremos con los fundamentos de la Regresión Lineal, explorando sus variantes y cómo interpretar sus resultados. Luego, cubriremos las métricas esenciales para evaluar el rendimiento de tus modelos de regresión y te introduciremos a técnicas para modelar relaciones más complejas, como la regresión polinómica y los modelos basados en árboles. Al finalizar este tópico, tendrás una sólida comprensión de cómo abordar problemas de regresión utilizando Python y Scikit-learn.

🔑 Regresión Lineal Simple: La línea de mejor ajuste

🔑 Regresión Lineal Múltiple: Añadiendo dimensiones

🔑 Midiendo el éxito: Métricas de evaluación para regresión (MAE, MSE, RMSE, R²)

📚 Más allá de la línea recta: Regresión Polinómica

📚 Controlando la complejidad: Regresión Ridge y Lasso

🔑 Explorando alternativas: Regresores basados en árboles 🌳🌲

¡A practicar! Ejercicios de Regresión con diversos datasets 🏋️‍♂️

Cargando...

Lectura

Regresión Lineal Simple: La línea de mejor ajuste

Cargando...