Volver al módulo
Contactar
Next Educación Universidad Isabel I
Módulo 3 · UD1 · Sesión 2 de 12

Modelos lineales y regularización

Modelos de Aprendizaje Automático · 6 ECTS
Máster en Inteligencia Artificial, Automatización y Agentes Digitales
Sami Halawa Ribas
UD1. Flujo de ML y modelos supervisados
Curso 2026-2027
Next Educación · Universidad Isabel I
UD1 · Flujo de ML y modelos supervisados

Objetivos y recorrido

Modelos lineales y regularización

Al terminar la sesión

  • Ajustar e interpretar modelos lineales y logísticos.
  • Aplicar Ridge, LASSO y Elastic Net con criterio.
  • Usar el modelo lineal como referencia interpretable.

Recorrido

  1. Modelos lineales
  2. Regularización
  3. Uso práctico
  4. Práctica: Ridge, LASSO y Elastic Net comparados
Next Educación
Máster en Inteligencia Artificial, Automatización y Agentes Digitales
M3 · UD1 · Sesión 2
Modelos de Aprendizaje Automático
Idea central

El lineal regularizado no es un punto de partida ingenuo: es la referencia interpretable que el modelo complejo debe superar.

En banca, seguros y admisión de riesgo el modelo lineal sigue siendo el que llega a producción porque su coeficiente es auditable y estable. La regularización permite además trabajar con cientos de variables correlacionadas sin que los coeficientes exploten. Cuando el gradient boosting supera al lineal en menos de dos puntos, la decisión razonable suele ser quedarse con el lineal.
Fin de la vista previa

Has visto 3 de las 18 diapositivas de esta sesión

El resto del material del máster está reservado a personas registradas. El registro es gratuito y abre completas las dos primeras sesiones de cada módulo publicado.

Volver al material