Data Science: Transformación de Variables para una Regresión Lineal

Contenido Detallado

1. 1. Análisis preliminares

   • Introducción
   • Preparando el ambiente
   • Conociendo los datos
   • Entendiendo la relación entre los datos
   • Relacionando los datos
   • Visualizando la regresión lineal con una variable independiente
   • Para saber más: regresión lineal con una variable independiente
   • Aprendiendo sobre regresión lineal
   • Manos a la obra: explorando los datos
   • Lo que aprendimos

2. 2. Análisis gráficos

   • Proyecto de la clase anterior
   • Visualizando el comportamiento de la variable dependiente
   • Función de un boxplot
   • Distribución de Frecuencias de la variable dependiente
   • Para saber más: principales visuales de distribución de datos
   • Analizando las Variables Independientes
   • Evaluando las variables explicativas
   • Manos a la obra: investigando el comportamiento de las variables
   • Lo que aprendimos

3. 3. Transformación de variables

   • Proyecto del aula Anterior
   • Para saber más: curva log
   • Transformando los datos
   • ¿Por qué transformar datos?
   • Verificando la Relación Lineal
   • ¿Qué variables transformar?
   • Para saber más: modelos de regresión con variables transformadas
   • Manos a la obra: transformando los datos y verificando sus relaciones
   • Lo que aprendimos

4. 4. Regresión lineal múltiple

   • Proyecto de la clase anterior
   • Regresión Lineal Multiple
   • Para saber más: Statsmodels x Sklearn
   • Evaluando el modelo con statsmodels
   • Pruebas formales de regresión lineal
   • Entrenando el modelo
   • Para saber más: comparación del R² del modelo con y sin transformación de variables
   • Precificando una casa
   • Estimando el precio de una nueva casa
   • Manos a la obra: preparando los datos y entrenando el modelo
   • Lo que aprendimos

5. 5. Entendiendo los resultados

   • Proyecto de la clase anterior
   • Obteniendo los coeficientes de regresión
   • Para saber más: nuestro modelo y sus coeficientes
   • Interpretando los coeficientes estimados
   • Entendiendo el significado de los parámetros estimados
   • Para saber más: interpretando transformaciones logarítmicas en un modelo de regresión lineal
   • Analizando graficamente los resultados del modelo
   • Haga lo que hicimos en aula: comparando los modelos de regresión lineal con y sin transformación de variables
   • Preparando el ambiente: casas a precificar
   • Serializando el modelo
   • Manos a la obra: interpretando los coeficientes del modelo y prediciendo más hospedajes
   • Proyecto final
   • Lo que aprendimos
   • Conclusión