Curso de machine learning con R #05: Regresión lineal

La regresión lineal es uno de los algoritmos más antiguos del ML y, paradójicamente, uno de los más útiles. Esta clase lo introduce con una pregunta concreta: ¿cuánto debería costar un coche según su potencia, su peso y su tiempo de 0 a 100?

Se empieza por el caso más sencillo —una sola variable predictora— para entender la lógica del algoritmo sin distracciones. A partir de ahí se amplía al caso múltiple, que es el que tiene valor real, y se aprende a leer el resultado: qué significa cada coeficiente, qué dice el R² sobre la calidad del ajuste y cómo interpretar los p-valores sin caer en errores habituales.

Una parte importante de la clase está dedicada al diagnóstico. Ajustar un modelo es fácil; saber si ese modelo cumple los supuestos que lo hacen válido es lo que distingue un análisis riguroso de uno que da resultados incorrectos con total confianza. Los gráficos de residuos son la herramienta principal para eso y aquí se aprende a leerlos.

La clase cierra midiendo el rendimiento del modelo con tres métricas complementarias y comparando las predicciones sobre el conjunto de test con los valores reales. Esa comparación visual es una de las formas más directas de entender dónde acierta el modelo y dónde se queda corto.