La regresión lineal es un método común para predecir datos en aprendizaje supervisado. XGBoost es un algoritmo de aprendizaje automático que utiliza el marco de impulso de gradiente y es popular debido a su éxito en competiciones. El impulso combina un conjunto de modelos débiles para mejorar la precisión de predicción. XGBoost tiene una gran velocidad y rendimiento, pero también puede consumir muchos recursos para grandes conjuntos de datos.

1. REGRESIÓN LINEAL
La regresión lineal es quizás el
método más conocido para
“predecir” el comportamiento de
los datos o intentar hacerlo, en
Machine Learning es considerada
como una de las técnica centrales
del aprendizaje supervisado

2. XGBOOST
Definición
Algoritmos de aprendizaje automático aplicado a la regresión y
clasificación, pertenece a una familia de algoritmos de impulso y
utiliza el marco de impulso de gradiente (GBM) en su núcleo.
Características
Su Creciente Popularidad De Xgboosts se debe en gran parte a su
éxito sin precedentes en las competiciones De Kaggle
Gran Velocidad y rendimiento
El algoritmo central es paralelizable
Amplia variedad de parámetros de ajuste

3. INPULSO
El impulso es una técnica secuencial que funciona según el
principio de un conjunto. Combina un conjunto de alumnos
débiles y ofrece una precisión de predicción mejorada

4. VENTAJAS Y DESVENTAJAS
Ventajas Desventajas
• Puede manejar grandes bases de datos con
múltiples variables.
• Puede manejar valores perdidos.
• Sus resultados son muy precisos.
• Excelente velocidad de ejecución.
• Puede consumir muchos recursos computacionales
en grandes bases de datos.
• Se deben ajustar correctamente los parámetros del
algoritmo a fin de minimizar el error de precisión y
evitar sobreajuste del modelo (lo que puede darse
si se maneja un número muy grande de árboles).
• Solo trabaja con vectores numéricos, por lo que se
requieren convertir previamente los tipos de datos
no numéricos a numéricos

5. EJEMPLO