Regresión Lineal — Tu Primer Modelo ML

# Descripción

Proyecto de regresión lineal con scikit-learn combinando datos sintéticos (donde se conoce la fórmula exacta) y datos reales de TechStore. Aprende los fundamentos del ML: train/test split (80/20), entrenamiento con .fit(), predicción con .predict(), interpretación de coeficientes, y evaluación con métricas R², MAE y RMSE. Incluye comparación entre datos perfectos (R² alto) y datos reales ruidosos (R² más bajo), demostrando el comportamiento esperado en el mundo real.

$ ./deploy.sh $ git clone

# Características principales

$ Regresión Lineal con scikit-learn: dos líneas para entrenar un modelo

$ Train/Test Split: 80% entrenamiento, 20% prueba

$ Interpretación de coeficientes: qué features aumentan o disminuyen el target

$ Métricas de evaluación: R², MAE, RMSE

$ Comparación datos sintéticos vs reales

$ Visualización de predicciones vs valores reales

# Galería

Vista escritorio

Vista móvil

# Tecnologías utilizadas

Python scikit-learn pandas numpy matplotlib