El problema
La regresión lineal es la puerta de entrada al aprendizaje automático supervisado: comprender cómo una recta se ajusta a los datos permite interpretar modelos más complejos.
Resolución
- Exploración inicial del conjunto de datos con Pandas y Seaborn para observar la relación entre la variable explicativa y la variable objetivo.
- Modelo de regresión lineal con Scikit-learn: entrenamiento, coeficientes resultantes y predicción sobre datos nuevos.
- Visualización de la recta ajustada sobre los puntos reales para ver, literalmente, qué aprendió el modelo.
Tecnologías
Python · Scikit-learn · Pandas · Seaborn
Conocimiento demostrado
Los fundamentos que se repiten en todo el ML supervisado: separar datos, ajustar, predecir y medir. Todo lo que vino después — de la regresión logística a las redes neuronales — usa esta misma mecánica.