El concepto de regresión logística

La regresión logística es un algoritmo de aprendizaje supervisado que se utiliza para resolver problemas de clasificación. A diferencia de la regresión lineal, predice un resultado categórico (por ejemplo, sí/no, verdadero/falso).

Se utiliza ampliamente en ámbitos como las finanzas, la atención sanitaria y el marketing.

Cómo funciona la regresión logística

La regresión logística utiliza la función sigmoide para transformar una salida lineal en un valor de probabilidad entre 0 y 1. Esta probabilidad determina la etiqueta de clase.

La función sigmoide

La fórmula de la función sigmoide es:

σ(z) = 1 / (1 + e^(-z))

Aquí, z es la ecuación lineal (mx + b). La función sigmoide asigna z a un intervalo de 0 a 1.

Aplicaciones de la regresión logística

La regresión logística se utiliza habitualmente para:

• Detección de spam: Clasificar los correos electrónicos como spam o no spam.
• Atención sanitaria: Predecir la probabilidad de que se presente una enfermedad.
• Marketing: Segmentar a los clientes según su comportamiento de compra.

Tipos de regresión logística

La regresión logística se puede clasificar en tres tipos:

• Regresión logística binaria: Dos resultados posibles (por ejemplo, sí/no).
• Regresión logística multinomial: Más de dos categorías (por ejemplo, rojo/azul/verde).
• Regresión logística ordinal: Categorías ordenadas (por ejemplo, bajo/medio/alto).

Ventajas de la regresión logística

La regresión logística ofrece varias ventajas:

• Es fácil de implementar e interpretar.
• Funciona bien para tareas de clasificación binaria y sencillas.
• Proporciona resultados probabilísticos, útiles para la toma de decisiones.

Limitaciones de la regresión logística

Algunas limitaciones de la regresión logística son:

• Supone que existe una relación lineal entre las variables (a través de los log-odds).
• Puede no funcionar bien con conjuntos de datos complejos o muy no lineales.
• Puede ser sensible a los valores atípicos.

Regresión logística frente a regresión lineal

Entre las diferencias principales se incluyen:

• Regresión lineal: Predice valores continuos.
• Regresión logística: Predice resultados categóricos.
• Salida: La regresión logística produce probabilidades (de 0 a 1), mientras que la regresión lineal produce números reales.

Resumen y próximos pasos

En esta lección cubrimos:

• El concepto y el funcionamiento de la regresión logística.
• La función sigmoide y su función en la clasificación.
• Las aplicaciones, ventajas y limitaciones de la regresión logística.

A continuación, implementaremos la regresión logística en Python para resolver problemas de clasificación.