📚 Regresión logística y traductores de probabilidad
Estas referencias apuntalan la narrativa de El Traductor de Probabilidades: cubren la teoría sigmoidal, guías de implementación, material sobre umbrales de decisión y aplicaciones clínicas que justifican el caso del hospital.
Índice
- Fundamentos teóricos
- Guías prácticas y herramientas
- Umbrales de decisión y métricas
- Interpretabilidad y contexto clínico
1. Fundamentos teóricos
| Recurso | Tipo | Idioma | Acceso |
|---|---|---|---|
| Regresión logística — Google ML Crash Course | Módulo interactivo | 🇪🇸 Español | Introducción, función sigmoidal, pérdida logística y regularización. |
| ¿Qué es la regresión logística? — IBM Think | Artículo divulgativo | 🇪🇸 Español | Interpretación de odds ratio, diferencias con regresión lineal y sobreajuste. |
| Regresión logística — Wikipedia | Artículo enciclopédico | 🇪🇸 Español | Historia, formulación matemática y variantes multinomial/ordinal. |
| An Introduction to Statistical Learning | Libro | 🇬🇧 Inglés (en inglés) | Capítulo 4 desarrolla regresión logística con ejemplos clínicos. https://www.statlearning.com/ |
| The Elements of Statistical Learning | Libro | 🇬🇧 Inglés (en inglés) | Referencia avanzada sobre modelos lineales generalizados y regularización. https://hastie.su.domains/ElemStatLearn/ |
2. Guías prácticas y herramientas
| Recurso | Enfoque | Idioma |
|---|---|---|
| Documentación de Scikit-learn — LogisticRegression | Parámetros clave (C, solver, penalty) y ejemplos de uso. | 🇬🇧 Inglés (en inglés) |
| Statsmodels — Modelo Logit | Implementación estadística con intervalos de confianza y pruebas de significancia. | 🇬🇧 Inglés (en inglés) |
| Curso intensivo de Google — Clasificación con Python | Notebook descargable que entrena y evalúa regresión logística. | 🇪🇸 Español |
| Hands-On Machine Learning con Scikit-Learn, Keras y TensorFlow | Libro práctico que cubre logística, regularización y pipelines. | 🇪🇸 Español |
3. Umbrales de decisión y métricas
| Recurso | Por qué es relevante | Idioma |
|---|---|---|
| Umbrales y matriz de confusión | Visualiza cómo cambiar el umbral modifica VP/FP, igual que en El Gestor de Riesgos. | 🇪🇸 Español |
| Exactitud, recuperación y precisión | Explica métricas posteriores al ajuste del umbral, usadas en el capítulo. | 🇪🇸 Español |
| ROC y AUC | Relaciona la curva ROC con la evaluación de riesgo clínico. | 🇪🇸 Español |
| Guía de evaluación de modelos — scikit-learn | Profundiza en curvas ROC, precisión-recall y calibración. | 🇬🇧 Inglés (en inglés) |
4. Interpretabilidad y contexto clínico
| Recurso | Aporte | Idioma |
|---|---|---|
| Organización Mundial de la Salud — Modelos de predicción de riesgo cardiovascular | Ejemplo real de modelos logísticos empleados en salud pública. | 🇬🇧 Inglés (en inglés) |
| Nature Digital Medicine — Predicting Hospital Readmissions | Caso de estudio que ilustra la utilidad clínica de la logística con datos hospitalarios. | 🇬🇧 Inglés (en inglés) |
| Journal of Biomedical Informatics — Logistic regression in EHR-based prediction | Análisis de regresión logística en registros médicos electrónicos. | 🇬🇧 Inglés (en inglés) |
Nota: Todos los enlaces se verificaron en octubre de 2025. Para materiales de acceso restringido, recurre a bibliotecas institucionales o repositorios abiertos.