Algoritmos basicos en machine learning. 1 REGRESION LINEAL

Este es el primero de una serie de posts sobre algoritmos de machine learning (ML) que se utilizan comúnmente en data science o ciencia de datos

La regresión lineal es el algoritmo más conocido y mejor entendido en estadística y aprendizaje automático. La regresión lineal es un modelo lineal, es decir, un modelo que asume una relación lineal entre las variables de entrada (x) y la variable de salida única (y), lo que significa que y se puede calcular fácilmente usando la relación lineal.

Cuando hay una sola variable de entrada (x), la ecuación se denomina regresión lineal simple.

Cuando hay más de una variable de entrada, la ecuación se denomina regresión lineal múltiple.

La ecuación y = a + b1 * x (donde x es la variable de entrada, y es la variable de salida y a y b son los coeficientes) representa gráficamente una regresión lineal(ver figura) 

La recta de la regresión se encuentra minimizando las distancias al cuadrado entre los puntos y la línea de mejor ajuste y esto se conoce como minimizar la suma de los residuos al cuadrado. Los residuos se definen simplemente como el valor predicho (por la ecuación de regresión) menos el valor real.

En el próximo post (lunes próximo) explicaré con más detalle la regresión lineal