Implementar Descenso del Gradiente con Modelo de Regresión Lineal

Implementar Descenso del Gradiente con Regresión Lineal

Predicción de salario basada en años de experiencia

Imagen de Flo

Introducción

Este artículo ilustra cómo construir en menos de 5 minutos un modelo de regresión lineal simple con descenso de gradiente. El objetivo es predecir una variable dependiente (y) a partir de una variable independiente (X).

Queremos predecir salarios dados los años de experiencia. Para eso, explicaremos algunos conceptos (Descenso de gradiente, Modelo lineal) y codificaremos 4 funciones:

  • Función de predicción: Para predecir un salario a partir de los años de experiencia. (Encontramos los mejores coeficientes, B0 y B1, gracias al descenso de gradiente).
  • Función de costo: Permite visualizar los errores de costo en cada iteración. Utiliza el error cuadrático medio (la diferencia entre la predicción y los valores reales).
  • Descenso de gradiente: Encuentra los mejores coeficientes B0 y B1.
  • Imprimir gráfico: Se utiliza para mostrar gráficos de dispersión de los valores predichos por el modelo y los valores reales con matplotlib.

Después de eso, entrenaremos nuestro modelo utilizando la tasa de aprendizaje. Finalmente, encontramos el mejor coeficiente y predecimos nuevos valores nunca vistos por el modelo.

Comprender conceptos

Modelo lineal

En el aprendizaje automático, el modelo lineal es un modelo de regresión que busca la relación entre la variable independiente (X) y la variable dependiente.

En este artículo, nos adentramos en la regresión lineal simple (con solo una variable independiente). La fórmula para la regresión lineal simple es:

y = B0 + B1x

y es la variable que queremos predecir.x es la variable independiente (variable de entrada).B0 es el término que representa y cuando x = 0.B1 es el coeficiente (peso) vinculado a x.

Cuando construyes un modelo de regresión lineal simple, el objetivo es encontrar los parámetros B0 y B1. Para encontrar los mejores parámetros, utilizamos el descenso de gradiente.

Imagina que tu modelo encuentra que los mejores parámetros son B0 = 10 y B1 = 12. Si quieres predecir y

We will continue to update Zepes; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Inteligencia Artificial

Desbloqueando el poder del contexto con Google IA una competencia entre prefixLM y causalLM en el aprendizaje en contexto

La Guerra de Troya es famosa, donde Aquiles grabó su nombre en la historia para siempre al derrotar al príncipe Hécto...

Inteligencia Artificial

Utilizando Psicología para Fortalecer la Ciberseguridad

Entrando en la mente de los atacantes para proteger la empresa.

Ciencia de Datos

Samsung adopta la IA y los grandes datos, revoluciona el proceso de fabricación de chips.

Samsung Electronics Co., el principal fabricante mundial de chips de memoria, está a punto de revolucionar su proceso...

Inteligencia Artificial

¿Podemos transformar texto en gráficos vectoriales científicos? Este artículo de IA presenta AutomaTikZ y explica el poder de TikZ

Los últimos avances en la generación de texto a imagen han hecho posible la creación de gráficos detallados a partir ...

Inteligencia Artificial

Med-PaLM 2 de Google será la IA médica más avanzada

Google, una de las principales empresas de tecnología del mundo, está dando un paso audaz hacia el ámbito de la atenc...