regresiones

Análisis comparativo sobre modelos de regresión

A continuación, se listan las principales ventajas y desventajas de los modelos de regesión más relevantes en Data Science.

Regresión lineal

Ventajas

  • Trabaja con cualquier tamaño de muestra.
  • Informa sobre la relevancia de cada variable dependiente.

Desventaja

...continúa leyendo.


¿Qué modelo de regresión lineal utilizar?

Una vez que conoces distintos modelos de regresión, puedes quedar con la duda al momento de enrrentar un problema sobre qué modelo utilizar. Aquí una ayuda:

...continúa leyendo.


Interpretar Valor P

En Estadística, un parámetro estadístico muy utilizado es el Valor-P; de él depende si una prueba de hipótesis rechaza o no la hipótesis nula. Una de las alternativas de algoritmos a utilizar se encuentra en los Modelos de Regresión Lineal Múltiple; dentro del proceso de desarrollo de una solución, estos modelos deben ser depurados para lograr mayor precisión en sus predicciones, para lo que se desarrolla un proceso de eliminación regresiva, donde el Valor-P juega un papel muy importante.

...continúa leyendo.


Noción de R​-cuadrado o Coeficiente de Determinación

En modelos estadísticos, fundamentales en la implementación de tipos de Machine Learning (por ende, parte de lo que es Big Data), un concepto fundamental para evaluar la bondad de un modelo (qué tan buen modelo es), un indicador de qué tan bueno es su poder predictivo se encuentra en el parámetro R2. Muy utilizado, pero poco comprendido; básicamente se entiende que mientras más se acerque su valor a 1 es bueno, por el contrario mientras más se acerque a 0 es malo.

...continúa leyendo.