Regresión lineal.
La regresión lineal es uno de los primeros temas que se enseñan en muchos cursos de ML. Aunque es muy antiguo y bien entendido, y aunque no solo se enseña en cursos de aprendizaje automático, sigue siendo una de las herramientas más simples, más interpretables y ampliamente utilizadas para las tareas de clasificación y predicción (incluso una regresión puede usarse como un clasificador si sus valores objetivo son 0.0 y 1.0 y elige un umbral en el predictor).
La regresión lineal se implementa en todas las principales herramientas de software estadístico, y es una cosa excelente para usar como línea de base inicial. Le llevará el 80% del camino a una solución óptima para muchas tareas de predicción con el 20% del esfuerzo de métodos más complicados. No funcionará bien en tareas como la clasificación de imágenes o el modelado de idiomas, donde muchas de las características deben ser funciones no lineales de sus datos de entrada, aunque se usa comúnmente como un paso (por ejemplo, un paso final) en una tubería que genera características complejas.
- ¿Cuáles son los mejores chatbots (AI) disponibles en línea?
- ¿Qué pasará una vez que las computadoras nos reemplacen?
- ¿Podemos crear un aceite artificial y sacar provecho de él?
- ¿Puede la inteligencia artificial construir una inteligencia humana millones de veces más inteligente?
- ¿Por qué dijo Elon Musk que hay un "posible resultado peligroso" para lo que está haciendo la empresa Vicarious?
Si bien no tengo estadísticas sobre su uso, se enseña en una variedad de clases, desde cursos de matemática de la escuela secundaria hasta escuelas de negocios y laboratorios de ciencias, por lo que siento que es bastante controvertido afirmar que es el más popular.
