Adquiriendo señal…
Adquiriendo señal…
Lección 4 de 10· Inteligencia artificial
0 de 10 lecciones · 0 %
La regresión lineal predice un valor continuo, pero muchos problemas piden otra cosa: decidir a qué categoría pertenece algo — ¿este correo es spam o no?, ¿esta transacción es fraudulenta o legítima?, ¿esta imagen contiene un gato o un perro? Este tipo de problema se llama clasificación, y cuando solo hay dos categorías posibles, clasificación binaria.
La idea más directa —usar directamente y redondear— funciona mal: la recta no está acotada y no hay forma natural de interpretar el resultado como una probabilidad. La solución estándar es la regresión logística.
La regresión logística aplica una combinación lineal de las entradas, igual que la lineal, pero después la pasa por la función sigmoide, que aplasta cualquier número real al intervalo abierto — un rango que sí se puede interpretar como una probabilidad:
Algunas propiedades clave de : cuando , ; cuando , ; y exactamente. La salida se interpreta como "la probabilidad de que la entrada pertenezca a la clase positiva". Para decidir la clase final se aplica un umbral, típicamente : si se predice la clase positiva, y si no, la negativa.
El punto donde corresponde exactamente a , es decir, a . Esa ecuación define la frontera de decisión: en dos dimensiones es una recta que separa el plano en la región donde el modelo predice la clase positiva y la región donde predice la negativa. Entrenar la regresión logística es, otra vez, ajustar y con descenso de gradiente para minimizar un error (en este caso, la entropía cruzada en lugar del MSE), exactamente el mismo mecanismo de la lección 2.
Para un modelo que da probabilidades, el MSE no es la mejor medida del error. Se usa la entropía cruzada (log-loss), que castiga con fuerza las predicciones seguras y equivocadas:
Si un caso es positivo () y el modelo le da , aporta ; si le da , aporta . Su gradiente tiene una forma sorprendentemente sencilla, la misma que la de la regresión lineal: error por entrada.
Con los pesos del programa siguiente, y , la probabilidad de aprobar tras horas de estudio es . Para : y , así que el modelo predice «aprueba» con un 81.8 % de probabilidad. La frontera de decisión está donde , es decir, en horas: con 3 horas la probabilidad es exactamente 0.5. Si ese estudiante de 4 horas efectivamente aprobó, su contribución a la entropía cruzada es .
Evalúa la sigmoide en Python puro, sin librerías externas:
El umbral 0.5 es una elección, no una ley. Con un umbral , la frontera se desplaza a . Para juzgar un clasificador se cuentan sus aciertos y errores en una matriz de confusión: verdaderos positivos (VP), falsos positivos (FP), verdaderos negativos (VN) y falsos negativos (FN). A partir de ella se definen:
Ejemplo: de 100 correos, 50 son spam. El filtro marca 45, de los que 40 son spam de verdad. Entonces , , y : exactitud , precisión , sensibilidad y . Bajar el umbral marcaría más correos: subiría la sensibilidad, pero también los falsos positivos. La curva ROC dibuja la sensibilidad frente a la tasa de falsos positivos para todos los umbrales posibles, y el área bajo la curva (AUC) resume en un número lo bien que el modelo ordena los casos: 1 es perfecto y 0.5 equivale a lanzar una moneda.
Cuidado con la exactitud cuando una clase es rara: si solo el 1 % de las transacciones son fraude, un modelo que diga siempre «legítima» acierta el 99 % y no sirve para nada. En esos casos se miran la precisión, la sensibilidad y la ROC.
El laboratorio muestra dos nubes de puntos, la frontera que aprende la regresión logística, la recta del umbral que elijas, la matriz de confusión y la curva ROC. En el escenario «Solapamiento moderado», mueve el deslizador «Umbral de decisión» de 0.5 a 0.2: los falsos negativos casi desaparecen, los falsos positivos se disparan y el punto del umbral sube por la ROC, mientras el AUC no cambia. La primera lectura compara la exactitud medida con la mejor posible para esas dos nubes (cota de Bayes). Prueba después «Fraude: positivos raros» para ver una exactitud alta con una sensibilidad mediocre, y pulsa «Reiniciar» y «Entrenar» para ver al descenso de gradiente colocar la frontera.
Autocomprobación:
¿Cuál función de activación satura entre 0 y 1?
Cierre de la lección
Sigue el recorrido de la lección paso a paso.
Con una cuenta desbloqueas el cuestionario, el foro de dudas y el tutor con IA de esta lección, además del registro de progreso y el certificado verificable al terminar «Inteligencia Artificial».