A regresión lineal pode parecer un termo complicado, pero no seu núcleo, é unha ferramenta útil que nos axuda a comprender e predecir as relacións entre dúas variables.
Cal é o problema coa regresión lineal?
Na súa esencia, a regresión lineal consiste en atopar unha recta que se axuste mellor a un conxunto de puntos dunha gráfica. Esta liña axúdanos a facer predicións. Imaxina trazar puntos nun gráfico: estamos descubrindo a tendencia.
A ecuación máxica:
Toda recta está representada por unha función lineal: Y = mX + b. Onde:
-
Y: O que estamos tentando predecir (como o teu peso).
-
X: o que estamos usando para facer a predición (como a túa altura).
-
m: A pendente da recta.
-
b: O punto de partida da liña.
Como funciona?
Pénsao así: se coñeces a estatura dun grupo de persoas e os seus correspondentes pesos, a regresión lineal debuxa unha liña por eses puntos. Esta liña axúdanos a adiviñar o peso dunha persoa nova con só coñecer a súa altura.
Exemplos da vida real:
-
Vendas e temperatura de xeados: día quente (X), máis xeados vendidos (Y)
-
Horas de estudo e puntuación dos exames: máis horas de estudo (X), maior puntuación dos exames (Y).
O proceso:
-
Recoller datos: obtén información sobre as cousas que estás estudando, como a estatura e o peso.
-
Debuxa a liña: a liña une os puntos da túa gráfica. Este pode ser un proceso iterativo ou usar solucións exactas.
-
Facer predicións: utiliza a liña para predicir unha cousa en función doutra.
Por que importa?
Previsións! Axúdanos a adiviñar resultados en función dos patróns existentes.
É unha base para unha maxia de datos máis avanzada.
Atención:
Funciona mellor cando a relación é algo directa. Se está por todas partes, as cousas poden complicarse.
Máster en ciencia de datos e IA con Code Labs Academy! Únete ao noso Bootcamp en liña - Opcións flexibles a tempo parcial e a tempo completo dispoñibles.
