Simulación de Regresión Lineal con NumPy y Descenso del Gradiente
Ejemplo 1: Cálculo del error cuadrático medio con diferentes valores de w Modelo: ( y = x \cdot w )
import numpy as np
import matplotlib.pyplot as plt
# Datos de entrada
x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]
def predecir(x):
return x * w
def calcular_error(y_pred, y):
return (y_pred - y) ** 2
w_list = []
mse_list = []
f ...
Publicado el 8-12 18:22
Predicción de Precios de Vivienda en Boston con Modelos de Regresión Lineal
Conjunto de Datos de Viviendas de Boston
El conjunto de datos de viviendas de Boston contiene infomración sobre precios medios de viviendas en los suburbios de Boston de mediados de la década de 1970. Incluye 13 características diferentes y 506 registros, con el objetivo de identificar las relaciones entre estas características y los precios de ...
Publicado el 7-20 02:11
Descomposición de sesgo-varianza en la práctica: Análisis manual de los componentes del error del modelo
Entendiendo los componentes del error mediante la descomposición de sesgo-varianza
La descomposición de sesgo-varianza es una técnica crucial para evaluar modelos de aprendizaje automático. Permite degslosar el error total en tres partes: sesgo al cuadrado, varianza y error irreducible. Esta descomposición ayuda a identificar si el problema de ...
Publicado el 7-3 02:58
Regresión Lineal: Fundamentos y Ejemplos con Python
En el campo del aprendizaje automático y el análisis de datos, la regresión lineal es uno de los algoritmos más fundamentales y utilizados. Su simplicidad y capacidad para modelar relaciones lineales la convierten en una herramienta esencial para problemas de predicicón. Este artículo explica los conceptos clave, la implementación práctica y va ...
Publicado el 6-26 06:24