La regresión logística es un modelo estadístico utilizado para analizar y predecir la relación entre una variable dependiente binaria (solo dos posibles valores) y una o más variables independientes, que pueden ser categóricas o continuas. Es un tipo de análisis de regresión utilizado en machine learning y minería de datos.
La regresión logística se basa en la función logística o sigmoidal, que es una curva en forma de "S" que permite modelar la probabilidad de que la variable dependiente tenga un valor determinado en función de las variables independientes. La función logística convierte cualquier valor de entrada en un valor entre 0 y 1, lo que se interpreta como la probabilidad de que el evento ocurra.
El objetivo de la regresión logística es encontrar los coeficientes que mejor ajusten los datos y permitan predecir con mayor precisión la probabilidad de que la variable dependiente tome uno de los dos valores posibles. Los coeficientes se ajustan mediante un proceso iterativo de optimización que minimiza el error en la predicción de los valores de la variable dependiente.
Una vez que se tenga claro los conceptos base para construir un software comercial con inteligencia artificial donde se define a quién dedicar esfuer [...]
Leer más »Si las observamos por separado, el Internet de las Cosas (IoT) y la Inteligencia Artificial (IA) son tecnologías poderosas y si las combinamos, obten [...]
Leer más »Como consecuencia de esta situación de pandemia y económica en la que nos encontramos desde hace dos años, con la intención de proteger mejor los [...]
Leer más »Se pueden destacar 5 desafíos del Big Data que se definen como V (volumen, velocidad, veracidad, variedad y valor). R. Narasimhan debatió sobre 3V c [...]
Leer más »