Regresión Lineal

¿Qué es la regresión lineal?

Es un algoritmo de aprendizaje supervisado utilizado para modelar la relación lineal entre una variable dependiente (objetivo) y una o más variables independientes (características).

Cómo funciona:

Busca la línea recta que mejor se ajusta a los datos de entrenamiento.

Ejemplo en Python:

import numpy as np
from sklearn.linear_model import LinearRegression

# Datos de ejemplo (regresión)
X = np.array([[1, 2], [1.5, 1.8], [5, 8], [8, 8], [1, 0.6], [9, 11]])
y = np.array([10, 15, 50, 80, 8, 90])

# Crear el modelo de regresión lineal
model = LinearRegression()

# Entrenar el modelo
model.fit(X, y)

# Hacer una predicción
new_data = np.array([[7, 8]])
prediction = model.predict(new_data)
print(prediction)

Explicación:

  • sklearn.linear_model.LinearRegression crea un modelo de regresión lineal.
  • fit entrena el modelo.
  • predict realiza una predicción para un nuevo punto de datos.