Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


Taller7- 2P Regresión lineal en Python, Ejercicios de Minería de Datos

El algoritmo de Regresión Lineal Este algoritmo permite encontrar de forma automática los parámetros de la línea recta que mejor se ajusta a un set de datos. Si quieres entender en qúe consiste este algoritmo, te sugiero revisar el artículo en donde explico la Regresión Lineal en detalle. El set de datos Los datos a usar en este tutorial corresponden a la medición de la presión sanguínea sistólica (medida en mm de Mercurio) para 29 sujetos de diferentes edades. En este set de datos la variable independiente (x) corresponde a la edad de cada sujeto, mientras que la variable dependiente (y) es precisamente la presión sanguínea. Librerías requeridas Para la implementación de este algoritmo se requieren tres librerías: Pandas: que permite leer el set de datos, almacenado en formato .csv (comma separated values) Numpy: usado para almacenar los datos x y y, así como para implementar de manera sencilla las funciones para el cálculo del error y el gradiente descendente. Matplotlib:

Tipo: Ejercicios

2022/2023

A la venta desde 28/02/2024

primo-147
primo-147 🇪🇨

97 documentos

1 / 6

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
TALLER 4- 2P
Mineria de Datos
Ing Estevan Gomez, MSc PhD(c)
Taller7- 2P
Regresión lineal en Python
El algoritmo de Regresión Lineal Este algoritmo permite encontrar de forma
automática los parámetros de la línea recta que mejor se ajusta a un set de
datos. Si quieres entender en qúe consiste este algoritmo, te sugiero revisar
el artículo en donde explico la Regresión Lineal en detalle.
El set de datos Los datos a usar en este tutorial corresponden a la medición
de la presión sanguínea sistólica (medida en mm de Mercurio) para 29
sujetos de diferentes edades.
En este set de datos la variable independiente (x) corresponde a la edad de
cada sujeto, mientras que la variable dependiente (y) es precisamente la
presión sanguínea.
Librerías requeridas Para la implementación de este algoritmo se requieren
tres librerías:
Pandas: que permite leer el set de datos, almacenado en formato .csv
(comma separated values) Numpy: usado para almacenar los datos x y y, así
como para implementar de manera sencilla las funciones para el cálculo del
error y el gradiente descendente. Matplotlib: para graficar los resultados del
algoritmo. Estas librerías se pueden importar en Python usando las
siguientes líneas de código:
cruzada.
MATERIA
Minería de Datos
NRC
10060
TRABAJO
No.
CARRERA
Tecnologías de la Información
Docente
Ing. Estevan Gomez
PERIODO
ACADÉMICO
PREGRADO S-I MAYO-SEPT
23
FECHA
06/07/2023
TÍTULO
Taller 7-2P
ESTUDIANTE(S)
Bryan Azuero
pf3
pf4
pf5

Vista previa parcial del texto

¡Descarga Taller7- 2P Regresión lineal en Python y más Ejercicios en PDF de Minería de Datos solo en Docsity!

Mineria de Datos

Taller7- 2P

Regresión lineal en Python

El algoritmo de Regresión Lineal Este algoritmo permite encontrar de forma

automática los parámetros de la línea recta que mejor se ajusta a un set de

datos. Si quieres entender en qúe consiste este algoritmo, te sugiero revisar

el artículo en donde explico la Regresión Lineal en detalle.

El set de datos Los datos a usar en este tutorial corresponden a la medición

de la presión sanguínea sistólica (medida en mm de Mercurio) para 29

sujetos de diferentes edades.

En este set de datos la variable independiente (x) corresponde a la edad de

cada sujeto, mientras que la variable dependiente (y) es precisamente la

presión sanguínea.

Librerías requeridas Para la implementación de este algoritmo se requieren

tres librerías:

Pandas: que permite leer el set de datos, almacenado en formato .csv

(comma separated values) Numpy: usado para almacenar los datos x y y, así

como para implementar de manera sencilla las funciones para el cálculo del

error y el gradiente descendente. Matplotlib: para graficar los resultados del

algoritmo. Estas librerías se pueden importar en Python usando las

siguientes líneas de código: cruzada.

MATERIA Minería de Datos NRC 10060

TRABAJO

No.

CARRERA Tecnologías de la Información Docente Ing. Estevan Gomez PERIODO ACAD É MICO

PREGRADO S-I MAYO-SEPT

FECHA 06 /0 7 /

T Í TULO Taller 7 - 2P ESTUDIANTE(S) Bryan Azuero

Mineria de Datos Packages Funciones

Mineria de Datos Gráfico de linea que muestra la evolución del error cuadratico medio (ECM)

Mineria de Datos Grafica de la regresion lineal Resultados Predicciones realizadas