Scikit Learn - Modelado lineal
Este capítulo le ayudará a aprender sobre el modelado lineal en Scikit-Learn. Comencemos por comprender qué es la regresión lineal en Sklearn.
La siguiente tabla enumera varios modelos lineales proporcionados por Scikit-Learn:
| No Señor | Descripcion del modelo |
|---|---|
| 1 | Regresión lineal Es uno de los mejores modelos estadísticos que estudia la relación entre una variable dependiente (Y) con un conjunto dado de variables independientes (X). |
| 2 | Regresión logística La regresión logística, a pesar de su nombre, es un algoritmo de clasificación más que un algoritmo de regresión. Basado en un conjunto dado de variables independientes, se utiliza para estimar un valor discreto (0 o 1, sí / no, verdadero / falso). |
| 3 | Regresión de crestas La regresión de crestas o regularización de Tikhonov es la técnica de regularización que realiza la regularización L2. Modifica la función de pérdida sumando la penalización (cantidad de contracción) equivalente al cuadrado de la magnitud de los coeficientes. |
| 4 | Regresión de la cresta bayesiana La regresión bayesiana permite que un mecanismo natural sobreviva datos insuficientes o datos mal distribuidos mediante la formulación de regresión lineal utilizando distribuidores de probabilidad en lugar de estimaciones puntuales. |
| 5 | LAZO LASSO es la técnica de regularización que realiza la regularización L1. Modifica la función de pérdida sumando la penalización (cantidad de contracción) equivalente a la suma del valor absoluto de los coeficientes. |
| 6 | LASSO multitarea Permite ajustar múltiples problemas de regresión haciendo que las características seleccionadas sean las mismas para todos los problemas de regresión, también llamados tareas. Sklearn proporciona un modelo lineal llamado MultiTaskLasso, entrenado con una norma mixta L1, L2 para la regularización, que estima coeficientes escasos para problemas de regresión múltiple de manera conjunta. |
| 7 | Red elástica Elastic-Net es un método de regresión regularizado que combina linealmente ambas penalizaciones, es decir, L1 y L2 de los métodos de regresión Lasso y Ridge. Es útil cuando hay varias funciones correlacionadas. |
| 8 | Elastic-Net multitarea Es un modelo Elastic-Net que permite ajustar múltiples problemas de regresión haciendo cumplir conjuntamente las características seleccionadas para que sean las mismas para todos los problemas de regresión, también llamados tareas. |