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
- 3. Inteligencia de Negocios José Sulla Torres Regresión lineal simple con Weka 1. Cargue la aplicación Weka
- 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.).