la unidad de s sesion edussssssssssssssscacio fisca
Bi lab04 regresion
1. Inteligencia de Negocios
José Sulla Torres
Sesión 04: Regresión
I. OBJETIVOS
- Conocer los fundamentos de la regresión
- Utilizar las herramientas que permitan realizar la regresión
II. TEMAS A TRATAR
• Regresión lineal
• Regresión lineal Múltiple
• Regresión Polinomial
• SVR
• Regresión Árbol de decisión
• Regresión Random Forest.
III. MARCO TEORICO
Regresión
La regresión lineal estima los coeficientes de la ecuación lineal, con una o más variables
independientes, que mejor prediga el valor de la variable dependiente. Basado en la siguiente
ecuación:
Yt = B0 + B1X1+B2X2+…
Donde:
Yt = Variable dependiente
X1 =Variables independiente
B1 = parámetros que miden la influencia que las variables explicativas tienen sobre el regrediendo.
IV. ACTIVIDADES (La práctica tiene una duración de 2 horas)
1. Descargue el archivo Salary_Data.csv al disco secundario.
2. Inteligencia de Negocios
José Sulla Torres
2. Abra la aplicación Anaconda Navigator y elija la App spyder.
3. Aparece el cuadro de diálogo de Spyder vinculado al Lenguaje Python.
4. Para utilizar la técnica de Regresión lineal escriba el siguiente código que carga el conjunto
de datos, y lo divide en n conjunto de entrenamiento y de prueba.
5. Para verificar el funcionamiento seleccione el código y presione las teclas Shift+Enter.
6. A continuación escriba el código para ajustar la regresión lineal simple al conjunto de
entrenamiento y predecir los resultados del conjunto de pruebas.
7. Luego escriba el código para visualizar los resultados del conjunto de entrenamiento y del
conjunto de pruebas.
8. Ejecute la aplicación, seleccione el código y presione las teclas Shift+Enter. Visualice el
resultado en la ventana del terminal
4. Inteligencia de Negocios
José Sulla Torres
2. Presione el botón Explorer, en la pestaña Preprocess seleccione el botón Open file… y elija
el archivo Salary_Data.csv.
3. Presione el botón Edit para ver los datos vacíos
4. Presione el botón Ok para cerrar la ventana.
5. En la pestaña Classify presione el botón Choose y seleccione weka / classifiers / functions /
SimpleLinearRegression
5. Inteligencia de Negocios
José Sulla Torres
6. En el área de Test options elija la opción Percentage Split % 66
7. Presione el botón Start. Y examine los resultados.
=== Run information ===
Scheme: weka.classifiers.functions.SimpleLinearRegression
Relation: Salary_Data
Instances: 30
Attributes: 2
YearsExperience
Salary
Test mode: split 66.0% train, remainder test
=== Classifier model (full training set) ===
Linear regression on YearsExperience
9449.96 * YearsExperience + 25792.2
Predicting 0 if attribute value is missing.
6. Inteligencia de Negocios
José Sulla Torres
Time taken to build model: 0 seconds
=== Evaluation on test split ===
Time taken to test model on training split: 0 seconds
=== Summary ===
Correlation coefficient 0.9902
Mean absolute error 5032.29
Root mean squared error 5797.8351
Relative absolute error 18.593 %
Root relative squared error 19.8364 %
Total Number of Instances 10
8. Presione la pestaña Visualize y elija el primer cuadrante.
V. Ejercicios
1. En Weka, pruebe con las otras opciones de Test options y observe los resultados. ¿A qué
conclusiones llega?
2. Ejecute los otros tipos de Regresión en las herramientas más adecuadas para los datos de su
proyecto.
7. Inteligencia de Negocios
José Sulla Torres
VI. Cuestionario
1. ¿Cuál es el objetivo de la Regresión?
2. ¿Cuáles son los pasos para realizar la Regresion Lineal simple?
VII. Bibliografía y referencias
1. Carbonell, E. (1983). Regresión lineal; un enfoque conceptual y práctico (No. 04; QA278. 2,
R4.).