Regresión

La regresión es la tarea de predecir un número a partir de otros datos. Mientras que la clasificación responde «¿a qué categoría pertenece?», la regresión responde «¿cuánto?»: cuánto costará una casa, cuántos kilowatts se consumirán mañana o cuántos días tardará un envío.

El caso más sencillo es la regresión lineal, que busca la recta (o el plano, si hay varias variables) que mejor se ajusta a los datos, normalmente minimizando el error cuadrático medio. Es un método estadístico clásico, anterior a la IA; el término «regresión» lo acuñó Francis Galton en el siglo XIX al estudiar cómo la estatura de los hijos de padres muy altos tendía a acercarse al promedio. Hoy también se hacen regresiones con árboles de decisión, bosques aleatorios y redes neuronales, que capturan relaciones no lineales.

Para evaluarla se miden errores numéricos, como el error absoluto medio (cuánto se equivoca en promedio) o la raíz del error cuadrático medio, que castiga más los errores grandes. La función de pérdida elegida influye en qué tipo de errores el modelo evita más.

Ojo con dos confusiones. La «regresión logística», pese a su nombre, se usa para clasificar, porque predice una probabilidad. Y que un modelo de regresión encuentre relación entre dos variables no prueba que una cause la otra: puede haber factores ocultos. Extrapolar fuera del rango de los datos de entrenamiento también suele dar predicciones poco confiables.