TTE293

máquinas está determinado en función de la cantidad de datos para aplicar modelos

supervisados en la generación de modelos de predicción.

La construcción de los modelos de predicción trata de modelar la relación entre una variable

continua y dos o más variables, permitiendo generar un modelo en el que el valor de la

variable dependiente o respuesta ( ) se determina a partir de un conjunto de variables independiente llamadas predictoras ( ) (Amat, 2016).

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

La implementación de modelo de regresión lineal más utilizada en Python es obtenida de la

librería de código abierto en Scikit-Learn, orientada principalmente a la predicción. La

definición matemática del modelo de regresión lineal múltiple es:

= 0 + 1 ∗ 1 + 2 ∗ 2 +⋯+ ∗

La interpretación de los vectores que componen el modelo de regresión lineal múltiple es:

= . 0 = ó . = . = .

STEPWISE REGRESSION

En la regresión ordinaria de mínimos cuadrados, todas las variables son evaluadas al mismo

tiempo. Para el caso del Stepwise regression, corresponde a un método de selección de

variables. Opera bajo la técnica “Backward E limination” que implica comenzar con todas las

variables candidatas para el modelo e ir eliminando una a una las variables menos

32