En matemática, una matriz es un arreglo bidimensional de números. Dado que puede definirse tanto la suma como el producto de matrices, en mayor generalidad se dice que son elementos de un anillo. Una matriz se representa por medio de una letra mayúscula(A,B..) y sus elementos con la misma letra en minúscula (a,b…), con un doble subíndice donde el primero indica la fila y el segundo la columna a la que pertenece.

Seguir leyendo Matrices y NumPy →

En estadística, la regresión lineal es un enfoque lineal para modelar la relación entre una variable dependiente escalar y una o más variables explicativas (o variables independientes) denotadas como X. El caso de una variable explicativa se llama regresión lineal simple. Para más de una variable explicativa, el proceso se llama regresión lineal múltiple. (Este término es distinto de la regresión lineal multivariable, donde se predicen variables dependientes correlacionadas múltiples, en lugar de una sola variable escalar).

y = mx + b

El modelo arrojó una serie de predicciones, una predicción para cada matriz de entrada. La primera entrada, [127], obtuvo una predicción de 438.94308857. La entrada de segundos, [248], obtuvo una predicción de 127.14839521. La razón para predecir en una matriz como [127] y no solo 127, es porque puede tener un modelo que hace una predicción usando múltiples características. Vamos a repasar el uso de múltiples variables en regresión lineal más adelante en esta lección. Por ahora, mantengamos un solo valor.

Seguir leyendo Regresion Lineal →