php
  1 min. de lectura (aproximado)

Regresión lineal en machine learning con PHP

(1 min. de lectura) 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