# Calculadora de Regresion Logistica Ajusta regresion logistica binaria con descenso de gradiente y predice probabilidades > Página canónica: https://elysiatools.com/es/tools/logistic-regression-calculator - **Categoría:** Math & Numbers - **Palabras clave:** regresion logistica, clasificacion binaria, probabilidad, gradiente ## Descripción general Esta calculadora de regresión logística permite ajustar modelos de clasificación binaria utilizando el algoritmo de descenso de gradiente para predecir probabilidades y categorías basadas en datos numéricos históricos. ## Entradas - **Datos CSV** (textarea): Predictors first, binary target last, e.g. x1,x2,y 0,1,0 1,2,0 3,2,1 - **Tiene encabezado** (checkbox) - **Valores de prediccion (opcional)** (text): e.g. 4, 3 - **Tasa de aprendizaje** (number) - **Iteraciones** (number) - **Umbral** (number) - **Decimales** (number) ## Cuándo usarlo - Cuando necesites predecir un resultado binario como sí/no o éxito/fracaso a partir de variables independientes. - Para estimar la probabilidad de que ocurra un evento específico basándose en múltiples predictores numéricos. - Al realizar análisis estadísticos rápidos y prototipado de modelos de aprendizaje automático sin programar. ## Cómo funciona - Introduce los datos en formato CSV, colocando los predictores en las primeras columnas y el objetivo binario (0 o 1) en la última. - Configura los parámetros del algoritmo, incluyendo la tasa de aprendizaje, el número de iteraciones y el umbral de decisión. - Opcionalmente, ingresa nuevos valores de predicción para evaluar casos específicos con el modelo entrenado. - El sistema ejecuta el descenso de gradiente para optimizar los coeficientes y genera un informe con la precisión y los resultados de clasificación. ## Casos de uso - Predicción de la probabilidad de que un cliente cancele una suscripción según su actividad mensual. - Clasificación de correos electrónicos como spam o no spam basándose en la frecuencia de palabras clave. - Evaluación de riesgos financieros para determinar la probabilidad de impago de un crédito bancario. ## Preguntas frecuentes ### ¿Qué formato deben tener los datos de entrada? Deben ser valores numéricos separados por comas (CSV), donde la última columna representa la variable dependiente binaria. ### ¿Qué es la tasa de aprendizaje? Es un parámetro que define el tamaño del paso que da el algoritmo en cada iteración para encontrar los coeficientes óptimos. ### ¿Cómo influye el umbral en el resultado? El umbral determina el punto de corte (usualmente 0.5) para clasificar una probabilidad como clase 1 o clase 0. ### ¿Puedo incluir encabezados en mi CSV? Sí, el sistema permite activar la opción 'Tiene encabezado' para ignorar la primera fila durante el cálculo. ### ¿Qué significa el valor de precisión (accuracy)? Indica la proporción de predicciones correctas que el modelo realizó sobre el conjunto de datos proporcionado. ## Herramientas relacionadas - [Calculadora de Regresion Lineal Multiple](https://elysiatools.com/es/tools/multiple-linear-regression-calculator): Ajusta regresion lineal multiple desde variables predictoras y un objetivo numerico - [Calculadora de Columnas](https://elysiatools.com/es/tools/column-calculator): Realizar cálculos en columnas y agregar nuevas filas - [Fusionador de Datos por Adición](https://elysiatools.com/es/tools/data-append-merger): Añadir y fusionar verticalmente múltiples tablas de datos con coincidencia inteligente de columnas - [Calculadora de Filas](https://elysiatools.com/es/tools/row-calculator): Realizar cálculos en cada fila y agregar nuevas columnas - [Escalador de Características](https://elysiatools.com/es/tools/feature-scaler): Escalar y normalizar características usando varios métodos para preprocesamiento de aprendizaje automático y estandarización de datos - [Tabla Markdown a CSV, JSON y esquema con tipos inferidos](https://elysiatools.com/es/tools/markdown-table-to-csv-json-schema): Convierte una tabla Markdown de barras a CSV, filas JSON o un JSON Schema inferido con diagnósticos de alineación y nulos - [Convertidor CSV Protobuf](https://elysiatools.com/es/tools/csv-to-protobuf): Convierte entre formatos CSV y Protocol Buffers (Protobuf) - [Reordenador de Columnas](https://elysiatools.com/es/tools/column-reorder): Reordenar las columnas de la tabla sin cambiar las filas de datos ## Ejemplos - [Ejemplos CSV](https://elysiatools.com/es/samples/csv-samples): Archivos CSV de muestra con varios tipos de datos, tamaños y niveles de complejidad - [Ejemplos Python](https://elysiatools.com/es/samples/python): Ejemplos de código Python y demostraciones Hello World - [Procesamiento de Cadenas Windows - Ejemplos C#](https://elysiatools.com/es/samples/windows-string-processing-csharp): Ejemplos completos de procesamiento de cadenas C# para plataforma Windows incluyendo manipulación, división, unión, expresiones regulares y análisis de texto - [Framework de Pruebas E2E Cypress](https://elysiatools.com/es/samples/cypress-testing): Ejemplos comprensivos de pruebas E2E Cypress incluyendo configuración de pruebas, modelos de objetos de página, pruebas API, pruebas de regresión visual y patrones E2E avanzados para aplicaciones web modernas ## Contenido relacionado - [Herramientas de exportacion CSV y conversion de tablas](https://elysiatools.com/es/hubs/csv-convert): Compara conversiones entre CSV y Excel, JSON, HTML, Markdown, XML y texto en un solo hub para flujos de intercambio tabular. - [Herramientas de limpieza y reestructuracion CSV](https://elysiatools.com/es/hubs/csv-utility): Reune en un solo hub herramientas para limpiar CSV, filtrar, ordenar, agrupar, unir, dividir y reestructurar tablas para flujos de hojas de calculo e importacion/exportacion. - [Herramientas de calidad de datos, deduplicacion y deteccion de anomalías](https://elysiatools.com/es/hubs/data-quality-anomaly-workflows): Perfila datasets CSV/JSON, compara versiones de hojas de calculo y detecta duplicados, valores atipicos, faltantes, rupturas relacionales y anomalias temporales en un solo hub de calidad de datos.