KNN Regresion Lineal y Redes Neuronales RapidMiner

...

Elementos:

• Neuronas: Elementos de la red que realizaran la evaluación de los elementos cargados por el usuario.

• Capas: Conjunto de neuronas, entra más capas y más neuronas mayor exactitud tendrá la clasificación.

PARÁMETROS

Ciclos de entrenamiento: Especifica el número de ciclos para el entrenamiento de la red neuronal.

Índice de aprendizaje: Especifica que tanto deben cambiar los pesos para cada ciclo de entrenamiento.

[pic 2]

Parámetros de salida

Modelo de red neuronal: Conjunto de nodos conectados de acuerdo a ciertas reglas.

PROBLEMA

Para aplicar el algoritmo de redes neuronales, se plantea el siguiente caso:

La tienda en línea Amazon busca encontrar una clasificación correspondiente a las importaciones de los países. Para esto, se disponen de datos históricos correspondientes a los años 2005 hasta el año de 2017 de las importaciones correspondientes a los países así como el monto en efectivo equivalente a éstas importaciones.

[pic 3]

REGRESIÓN LINEAL

Regresión es una técnica usada para la predicción numérica. Es una medida estadística que intenta determinar la intensidad o fuerza de una relación entre una variable dependiente y una serie de variables cambiantes conocidas como variables independientes. Regresión es usado para predecir un valor continuo. Regresión linear intenta modelar la relación entre una variable explicada (dependiente) y una o más variables explicativas (independientes) mediante el ajuste de una función linear a partir de los datos observados.

PARÁMETROS

Y: Variable dependiente o explicada.

X1,…,Xn: Variables independientes o explicativas.

Parámetros de salida

Modelo de regresión linear: Ecuación lineal.

FUNCIONAMIENTO

La estructura del modelo de regresión lineal es la siguiente:

Y = β0 + β1 X + ε

Se parte de una muestra de valores X e Y medidos sobre n individuos y se busca estimar valores en

Y según el modelo anterior, donde β0 y β1 son por el momento valores desconocidos.

En esta expresión se admiten todos los factores o causas que influyen en la variable respuesta Y pueden dividirse en dos grupos: el primero contiene a una variable explicativa X y el segundo incluye un conjunto amplio de factores no controlados que se engloban bajo el nombre de perturbación o error aleatorio, ε, que provoca que la dependencia entre las variables dependientes e independientes no sea perfecta, sino que esté sujeta a incertidumbre.

PROBLEMA

Para aplicar el algoritmo de regresión lineal, se plantea el siguiente caso:

La tienda en línea Amazon busca una manera de predecir el índice de precios al consumidor (CPI) dado por las rutas marítimas teniendo en cuenta el nuevo índice de cambio para el presente año de 2017, ya que no se cuenta con esa información y es de vital importancia conocer este índice. Para esto se propone utilizar el algoritmo de regresión lineal con el objetivo de obtener una ecuación que permita predecir el CPI de un país en específico.