⚡ Regresión lineal desde cero

Estas son las notas de Luis sobre como implementar un modelo de regresión lineal desde cero, utilizando descenso por gradiente y parada temprana. Esta demostración te permitirá entender los fundamentos de la regresión lineal y cómo se aplica en problemas reales.

El notebook interactivo incluye:

• Preparación y visualización de datos sintéticos.
• Implementación manual del modelo de regresión lineal.
• Entrenamiento usando descenso por gradiente con parada temprana.
• Visualización del proceso de aprendizaje y los resultados.
• Ejemplo de predicción para nuevos datos.

¿Quieres modificar el código y experimentar por tu cuenta?
Abre el notebook en Google Colab

Bibliografía

• Documentación de scikit-learn – Modelos lineales: Formulación de mínimos cuadrados ordinarios, supuestos y API. https://scikit-learn.org/stable/modules/linear_model.html#ordinary-least-squares 🇬🇧 (en inglés)
• Referencia de NumPy – numpy.linalg.lstsq: Resolución matricial que respalda la implementación desde cero. https://numpy.org/doc/stable/reference/generated/numpy.linalg.lstsq.html 🇬🇧 (en inglés)
• Tutoriales de Matplotlib – Pyplot: Guía para producir las gráficas de seguimiento del entrenamiento. https://matplotlib.org/stable/tutorials/introductory/pyplot.html 🇬🇧 (en inglés)
• Curso intensivo de Google – Regresión lineal: Repaso conceptual de descenso por gradiente y análisis de error. https://developers.google.com/machine-learning/crash-course/linear-regression?hl=es