🌐 Logit Multinomial
Generaliza la regresión logística a K categorías sin orden. Usa softmax para calcular probabilidades. Cada categoría tiene su propio conjunto de coeficientes. Se estima por máxima verosimilitud.
📋 Logit Ordinal
Para variables con orden natural (bajo, medio, alto). Usa el modelo de odds proporcionales: asume que el efecto de los predictores es el mismo en todos los niveles de la variable. Menos parámetros que multinomial.
⚔️ One-vs-Rest (OvR)
Estrategia que entrena K modelos binarios, cada uno comparando una categoría contra todas las demás. Simple y efectiva. Cada modelo da una probabilidad y se elige la categoría con mayor probabilidad.
📊 Deviance y AIC
La deviance mide la discrepancia entre el modelo ajustado y el saturado. AIC = Deviance + 2k. Menor AIC = mejor modelo. Se usa para comparar modelos multinomiales.
Explora los conceptos con ejemplos practicos disponibles en la simulacion interactiva de este modulo.
Intuicion
Los modelos predictivos usan datos historicos para pronosticar valores futuros o desconocidos.
Formula clave
Cada modelo tiene su formulacion matematica para relacionar predictores con respuesta.
Paso a paso
Sigue la metodologia: entrenamiento, validacion, evaluacion.
Error comun: Sobreajuste
El sobreajuste ocurre cuando el modelo aprende ruido en vez de senal.
Ejemplo concreto
Aplica cada modelo a problemas reales de prediccion.
Conexion
Estos modelos avanzan hacia ML (Curso 5) y aplicaciones (Curso 6).