En este proyecto se utliza un modelo de regresión lineal para predecir el precio de un automovil, se revisan varios conceptos de probabilidad y estadistica, python es el lenguaje de programación utilizado.
Para trabajar este proyecto se recomienda utilizar Jupyter Notebook o cualquier otra aplicación para editar y ejecutar documentos notebook.
Se recomienda configurar un ambiente virtual para el control de los paqutes instalados y las versiones para más información: https://virtualenv.pypa.io/en/stable/installation.html
importar las librerias por medio de un administrador de paquetes de sistema, en este proyecto se utilizo pip para más información acerca de pip: https://pip.pypa.io/en/stable/
En este proyecto podrás aplicar algunos conceptos basicos en orden de que el modelo de regresión lineal sea lo más preciso posible.
- Estadistica descriptiva
- Variables discretas y continuas
- Funcón de densidad de probabilidad
- Valores atipicos (outliers)
- Cuantiles (quantile)
- Distribucón normal
- Modelo "Cuadrados minimo ordinarios" (OLS)
- Logaritmos y como aplicarlos a tus modelos de regresión lineal
- Multicolinealidad y cómo manejarla
- Variación del factor de infación (VIF)
- Dummy variables (Variables ficticias)
- Regresión lineal
- Entrenamiento de tu modelo
- Graficación de resultados
- Weights and bias (conceptos matematicos aplicados en la jerga del machine learning)