Calculadora de Regresion Logistica

Calculadora de Regresion Logistica | Herramienta online gratis | Elysia Tools

Guía de uso de la herramienta

Conoce cuándo usar esta herramienta, qué admite y cómo la aplican los usuarios.

Datos clave

Categoría: Math & Numbers
Tipos de entrada: textarea, checkbox, text, number
Tipo de salida: json
Cobertura de ejemplos: 4
API disponible: Sí

Resumen

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.

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

1Introduce los datos en formato CSV, colocando los predictores en las primeras columnas y el objetivo binario (0 o 1) en la última.
2Configura los parámetros del algoritmo, incluyendo la tasa de aprendizaje, el número de iteraciones y el umbral de decisión.
3Opcionalmente, ingresa nuevos valores de predicción para evaluar casos específicos con el modelo entrenado.
4El 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.

Ejemplos

1. Predicción de Aprobación de Exámenes

Profesor universitario

Contexto

Un profesor tiene datos de horas de estudio y horas de sueño de sus alumnos, junto con el resultado de aprobado (1) o reprobado (0).

Problema

Predecir si un estudiante que estudió 2.5 horas y durmió 2.5 horas aprobará el examen.

Cómo usarlo

Ingresa los datos históricos en el área de CSV, activa el encabezado y define los valores de predicción como '2.5, 2.5'.

learningRate: 0.2, iterations: 3000, threshold: 0.5

Resultado

El modelo devuelve una precisión del 100% para los datos de entrenamiento y clasifica al nuevo estudiante en la categoría 1 (aprobado).

2. Análisis de Conversión de Ventas

Analista de marketing

Contexto

La empresa registra el tiempo pasado en la web y el número de páginas visitadas para identificar si un usuario realiza una compra.

Problema

Determinar la probabilidad de compra de un usuario que visitó 5 páginas durante 10 minutos.

Cómo usarlo

Carga el historial de navegación en formato CSV y ajusta las iteraciones para asegurar la convergencia del modelo.

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.

learningRate: 0.1, iterations: 5000, threshold: 0.6

Ejecutar esta herramienta

Ejecuciones de ejemplo preparadas

Entradas

Resultado

Ejemplos que encajan con esta herramienta

Continuar con herramientas y temas relacionados

Ejecuciones de ejemplo preparadas

Entradas

Resultado

Conoce cuándo usar esta herramienta, qué admite y cómo la aplican los usuarios.

Datos clave

Resumen

Cuándo usarlo

Cómo funciona

Casos de uso

Ejemplos

1. Predicción de Aprobación de Exámenes

2. Análisis de Conversión de Ventas

Preguntas frecuentes

Ejemplos CSV

Ejemplos Python

Procesamiento de Cadenas Windows - Ejemplos C#

Framework de Pruebas E2E Cypress

Calculadora de Regresion Lineal Multiple

Calculadora de Columnas

Fusionador de Datos por Adición

Calculadora de Filas

Herramientas de exportacion CSV y conversion de tablas

Herramientas de limpieza y reestructuracion CSV

Herramientas de calidad de datos, deduplicacion y deteccion de anomalías