Resumen
Enhorabuena, has completado el módulo de introducción a la regresión. Vamos a resumir los puntos importantes.
Hemos aprendido que la regresión busca una relación continua entre las características y las etiquetas, que normalmente se puede explicar mediante cálculos matemáticos sencillos. Hemos aprendido que los modelos se categorizan de dos maneras:
- El tipo de curva a la que se ajustan los modelos de regresión. Por ejemplo, la regresión lineal busca relaciones de "línea recta", mientras que la regresión polinómica puede funcionar con relaciones no lineales.
- Cuántas variables usan: la regresión simple usa una característica, mientras que la regresión múltiple usa varias.
También se han analizado los valores de R2, que se usan para evaluar cómo se ajusta nuestro modelo a los datos: el 0 significa que el modelo es ineficaz y el 1 significa que se ajusta perfectamente.
Por último, se ha hablado de la extrapolación: predecir valores mediante características que están fuera del intervalo de nuestro conjunto de datos de aprendizaje. Si bien se encontró que era fácil con los modelos de regresión, se observó que los modelos podían no tener sentido si las características estaban muy alejadas de las de nuestros datos de aprendizaje.