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 + ...).
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