M3 · Sesión 3 de 12

Modelos lineales y regularización

Modelos de Aprendizaje Automático
Máster en Inteligencia Artificial, Automatización y Agentes Digitales
Next Educación · Próxima edición
Sami Halawa Ribas

Índice

  • 1Modelos lineales
  • 2Regularización
  • 3Uso práctico
  • 4Práctica: Ridge, LASSO y Elastic Net comparados

Mapa de la sesión

Mapa de la sesiónBLOQUE 1Modelos linealesBLOQUE 2RegularizaciónBLOQUE 3Uso prácticoPRÁCTICA ENTREGABLECuaderno con comparación y variables seleccionadas.
Objetivos de la sesión

Al terminar, el alumno será capaz de

1. Ajustar e interpretar modelos lineales y logísticos.
2. Aplicar Ridge, LASSO y Elastic Net con criterio.
3. Usar el modelo lineal como referencia interpretable.
Estos objetivos son los que se evalúan en la práctica de la sesión y en la prueba del módulo.
1

Modelos lineales

M3 · Sesión 3 · Modelos lineales y regularización

Modelos lineales

1Regresión lineal ylogística2Interpretación decoeficientes y odds3Supuestos y diagnóstico deresiduos4Multicolinealidad y suefecto
M3 · Sesión 3 · figura 1 de 3

Modelos lineales — en la práctica

Qué hay que saber decidir

  • Regresión lineal y logística
  • Interpretación de coeficientes y odds

Dónde suele fallar

  • Supuestos y diagnóstico de residuos
  • Multicolinealidad y su efecto
Criterio: ninguna de estas decisiones se toma por costumbre; cada una se justifica por escrito en el cuaderno de la sesión.
2

Regularización

M3 · Sesión 3 · Modelos lineales y regularización

Regularización

DecisiónRidge: reducción de varianzaLASSO: selección de variablesRiesgoElastic Net: cuándoSelección de lambda por validacióncruzada
M3 · Sesión 3 · figura 2 de 3

Regularización — en la práctica

Qué hay que saber decidir

  • Ridge: reducción de varianza
  • LASSO: selección de variables

Dónde suele fallar

  • Elastic Net: cuándo
  • Selección de lambda por validación cruzada
Criterio: ninguna de estas decisiones se toma por costumbre; cada una se justifica por escrito en el cuaderno de la sesión.
3

Uso práctico

M3 · Sesión 3 · Modelos lineales y regularización

Uso práctico

1Estandarizaciónobligatoria2Trayectorias decoeficientes3Estabilidad de laselección4El lineal como líneabase fuerteSecuencia de trabajo de la sesión
M3 · Sesión 3 · figura 3 de 3

Uso práctico — en la práctica

Qué hay que saber decidir

  • Estandarización obligatoria
  • Trayectorias de coeficientes

Dónde suele fallar

  • Estabilidad de la selección
  • El lineal como línea base fuerte
Criterio: ninguna de estas decisiones se toma por costumbre; cada una se justifica por escrito en el cuaderno de la sesión.
4

Práctica

Ridge, LASSO y Elastic Net comparados

Práctica: Ridge, LASSO y Elastic Net comparados

Ajuste de las tres variantes con selección de lambda y análisis de coeficientes.

Pasos

  1. Estandarizar y ajustar las tres variantes.
  2. Seleccionar lambda por validación cruzada.
  3. Trazar trayectorias de coeficientes.
  4. Comparar selección y rendimiento.
Stackscikit-learn, matplotlib
EntregableCuaderno con comparación y variables seleccionadas.

Ideas que hay que retener

Modelos lineales: Regresión lineal y logística
Regularización: Ridge: reducción de varianza
Uso práctico: Estandarización obligatoria
Ajustar e interpretar modelos lineales y logísticos.

Para seguir

  • Hastie et al., ESL, cap. 3
Lectura opcional. El material de referencia obligatorio es el manual del módulo y el cuaderno de la sesión.

Sesión 3 completada

Siguiente paso: entregar «Cuaderno con comparación y variables seleccionadas.»

M3 · Modelos de Aprendizaje Automático
Sami Halawa Ribas · Next Educación