Contenido

Objetivo

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.

Descripción

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.

Explicación

Haz clic para revisar la explicación.

Métodos lineales generalizados

Recursos adicionales

Los siguientes enlaces son externos a la Universidad Tecmilenio, al acceder a ellos considera que debes apegarte a sus términos y condiciones.

Revisa la siguiente lectura:

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/

Actividad

Objetivo

Resuelve problemas de aprendizaje automático mediante la implementación de los modelos de regresión logística

Instrucciones

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.

  1. Identifica una situación real (centro laboral, negocio, hogar) de la cual puedas adquirir una cantidad considerable de datos y que represente una problemática de clasificación binaria, por ejemplo: (0/1), (si/no), (continuar/detener), entre otras.
  2. Elabora un programa en Python donde, a partir del análisis previo del comportamiento de los datos, puedas elaborar un modelo capaz de predecir el resultado adecuado para nuevas condiciones que se pudieran presentar.
  3. Investiga sobre las diferentes métricas que se utilizan para evaluar el desempeño de un modelo de aprendizaje automático y desarrolla una metodología que te permita extender ese análisis a cualquier tipo de solución elaborada. Aplica este procedimiento al modelo elaborado en la pregunta 1 y registra tus conclusiones en un documento electrónico de la actividad.
Checklist

Asegúrate de:

  • Identifica la problemática y elabora el modelo de predicción adecuado a la misma.
  • Investiga sobre las diferentes métricas de evaluación y comprueba la efectividad del modelo desarrollado.