Comprender como los modelos lineales generalizados representan la expansión de los modelos lineales, estudiando la regresión logística y su implementación con el apoyo de Scikit-learn. También abordarás las dos principales problemáticas a las que se enfrenta el aprendizaje automático supervisado: la regresión y la clasificación.
En ocasiones los datos no representan una relación estrictamente lineal, por lo que es necesario acudir a los modelos generalizados que, si bien resultan un poco más complejos de implementar, conservan en su esencia los principios de este modelo básico. Este tipo de modelos se aplican en la resolución de problemas de clasificación binaria y el proceso de selección de los resultados aplica una predicción probabilística sobre el valor que estos obtienen, una vez que han sido evaluados por el modelo.
Los siguientes enlaces son externos a la Universidad Tecmilenio, al acceder a ellos considera que debes apegarte a sus términos y condiciones.
Para conocer más sobre fundamentos matemáticos para el aprendizaje automático, te recomendamos leer:
Martinez, J. (2020). ¿Clasificación o Regresión? Recuperado de https://www.iartificial.net/clasificacion-o-regresion/
Resuelve problemas de aprendizaje automático mediante la implementación de los modelos de regresión logística
La regresión logística es uno de los métodos de aprendizaje automático que se utiliza para resolver problemas de clasificación binaria de una manera muy eficiente.
Asegúrate de: