Regresión con datos con ruido
En una lección anterior ajustaste una línea a datos que eran una línea perfecta (y = 2x) y el error salió cero. Sentó genial, pero en cierto modo era mentira: los datos reales nunca son una línea limpia. Los sensores tiemblan, la gente se comporta de forma impredecible, las mediciones se redondean. La versión honesta de la regresión es ajustar una línea a una nube de puntos que solo sigue más o menos una tendencia, y luego decir cuánto te sigues desviando. Esta lección trata de leer esas cifras de error sin pestañear.
Crear datos realistas
Partimos de una relación real, y = 3x + 7, y luego añadimos ruido gaussiano -> pequeños temblores aleatorios sacados de una campana -> para que ningún punto caiga exactamente sobre la línea:
rng = np.random.RandomState(42)
x = np.linspace(0, 10, 200)
noise = rng.normal(0, 2.0, size=x.shape) # mean 0, spread 2.0
y = 3 * x + 7 + noise
X = x.reshape(-1, 1) # sklearn wants 2-D featuresLa semilla fija hace que todo el mundo saque el mismo ruido, así que las cifras de abajo se pueden reproducir y comprobar. El modelo nunca ve la pendiente real de 3 ni el corte de 7; su trabajo es recuperarlos a partir de los puntos con ruido.
Ajustar, predecir y medir con honestidad
El mismo ritual de siempre, pero evaluamos con un conjunto de prueba reservado:
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error, r2_score
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.2, random_state=0)
model = LinearRegression().fit(X_train, y_train)
preds = model.predict(X_test)
mae = mean_absolute_error(y_test, preds)
r2 = r2_score(y_test, preds)Qué significan las cifras
- La línea recuperada.
model.coef_[0]sale cerca de 3 ymodel.intercept_cerca de 7. El modelo sacó la tendencia real de debajo del ruido, pero no a la perfección: se queda cerca, no exacto. - El MAE ya no es cero. Aquí es de más o menos 1.8, lo que significa que una predicción típica se desvía del valor real unos 1.8 en las unidades de
y. No es un fallo. Con un ruido de dispersión 2.0 metido de serie, algo de error es inevitable -> un MAE positivo es el coste honesto de los datos reales. Compáralo con la línea perfecta de antes, donde el MAE era ~0 por construcción. - R al cuadrado se queda por debajo de 1.
r2_scoremide la fracción de la variación que explica el modelo: 1.0 es perfecto, 0 no es mejor que adivinar la media. Aquí ronda 0.95 -> alto, porque hay una señal lineal fuerte, pero estrictamente por debajo de 1.0, porque el ruido nunca se puede explicar. Un R al cuadrado de exactamente 1.0 con datos reales es una señal de alarma, normalmente de que probaste sin querer con los datos de entrenamiento. - Los residuos te dicen si el fallo es justo. Un residuo es
actual - predictedpara un punto. Su media debería quedar cerca de 0: eso dice que el modelo no se pasa ni se queda corto de forma sistemática, solo se reparte por encima y por debajo de la línea como debería hacerlo un ruido simétrico. Una media de los residuos lejos de 0 indicaría un modelo sesgado.
Así que lo que se entrega aquí es un conjunto de cifras honestas, no un cero mágico. Pulsa Ejecutar para ajustar la línea e imprimir la pendiente recuperada, el MAE, el R al cuadrado y la media de los residuos.
Construye datos con ruido a partir de y = 3x + 7 más ruido gaussiano (rng = np.random.RandomState(42), x = np.linspace(0, 10, 200), noise = rng.normal(0, 2.0, size=x.shape), X = x.reshape(-1, 1)). Separa con train_test_split(X, y, test_size=0.2, random_state=0), entrena un LinearRegression como model, predice sobre el conjunto de prueba y luego guarda mae (error absoluto medio), r2 (r2_score) y resid_mean (la media de y_test - preds) como floats.
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.