3.3 Técnicas de Regresión


Regresión Lineal

  • ¿Cómo trabaja? La regresión lineal es una clase de modelo estadístico utilizado para describir una variable de respuesta continua como una función lineal de una o más variables predictoras. Dado que los modelos de regresión lineal son simples de interpretar y fáciles de entrenar, a menudo constituyen el primer modelo que se ajusta a un nuevo conjunto de datos.

  • ¿Cuándo se usa? Cuando se necesita un algoritmo fácil de interpretar y rápido de ejecutar. Como línea de base para evaluar otros modelos de regresión más complejos.


SVM Regression

  • ¿Cómo trabaja? Los algoritmos de regresión SVM funcionan como los algoritmos de clasificación SVM, pero están modificados para poder predecir una respuesta continua. En lugar de encontrar un hiperplano que separa los datos, los algoritmos de regresión SVM encuentran un modelo que se desvía (aleja) de los datos observados por un valor no mayor que una pequeña cantidad, con valores que son tan pequeños como posible (para minimizar la sensibilidad al error).

  • ¿Cuándo se usa? Para datos de alta dimensión (donde habrá una gran cantidad de variables predictoras)


Generalized Linear Models

  • ¿Cómo trabaja? Un modelo lineal generalizado es un caso especial de modelo no lineal. Implica ajustar un combinación lineal de los inputs a una función no lineal (la función de enlace) de los outputs.

  • ¿Cuándo se usa? Cuando las variables de respuesta tienen un comportamiento de distribución no normal, como una variable de respuesta que se espera que sea siempre positiva.


Regression Tree

  • ¿Cómo trabaja? Los árboles de decisión para la regresión son similares a los árboles de decisión para clasificación, pero se modifican para poder predecir respuestas continuas.

  • ¿Cuándo se usa? Cuando los predictores son categóricos (discretos) o se comportan no lineal.


Gaussian Process Regression Model

  • ¿Cómo trabaja? Los modelos de regresión de procesos gaussianos (GPR) son modelos no paramétricos que se utilizan para predecir el valor de una variable de respuesta continua. Son ampliamente utilizados en el campo del análisis espacial para la interpolación en presencia de incertidumbre. GPR también se conoce como Kriging.

  • ¿Cuándo se usa? Para la interpolación de datos espaciales.