REGRESIÓN LINEAL EN MACHINE LEARNING CON PHP

La regresión lineal es un algoritmo de machine learning utilizado para predecir una variable numérica continua (variable dependiente) a partir de una o más variables independientes. Es uno de los métodos más simples y fundamentales en machine learning, ideal para modelar relaciones lineales entre variables. A continuación, te explico sus conceptos clave de forma clara y concisa. La regresión lineal busca encontrar la mejor recta (o hiperplano en múltiples dimensiones) que se ajuste a los datos, representada por la ecuación: "y=w0+w1x1+w2x2+⋯".
Hay dos tipos de regresión lineal:

Regresión lineal simple: Una sola variable independiente (y=w0+w1xy = w_0 + w_1xy = w_0 + w_1x).
Regresión lineal múltiple: Varias variables independientes (y=w0+w1x1+w2x2+…y = w_0 + w_1x_1 + w_2x_2 + \dotsy = w_0 + w_1x_1 + w_2x_2 + ...).

Ejemplo de regresión lineal en machine learning con php

use Rubix\ML\Datasets\Labeled;
use Rubix\ML\Regressors\LinearRegression;

require 'vendor/autoload.php';

// Datos de ejemplo (características y valores continuos)
$samples = [[1], [2], [3], [4]];
$labels = [2, 4, 6, 8]; // Relación lineal y = 2x

// Crear dataset
$dataset = new Labeled($samples, $labels);

// Entrenar el modelo de regresión lineal
$regressor = new LinearRegression();
$regressor->train($dataset);

// Predecir una nueva muestra
$prediction = $regressor->predictSample([5]);

echo $prediction; // Ejemplo: ~10