Skip to content

Aprende a usar la inteligencia artificial en tus publiclaciones SEO

Cómo utilizar la Inteligencia Artificial para redactar TEXTOS SEO

Photo by emerson23work on Pixabay

Aprenda a usar la Inteligencia Artificial para cada una de las funciones necesarias para obtener el mejor resultado en las partes públicas de la web. Desde las idiomas a los temas de seriedad, utiliza lo que llama la inteligencia artificial para redactar TEXTOS SEO. Cuanto más alto sea el nivel de información y creciente esa capacidad, mas alta esa es la responsabilidad.

Intentar llegar al volumen étnico de texto SEO Digital Savers: La demanda es grande

Pues vamos a seguir evaluando la demanda en la web y intentando llegar a un volume mayor de enlaces en el diccionario de la web.

Un objetivo general del SEO es clasificar su sitio web durante el mayor tiempo posible. Pero, ¿cómo se puede lograr esto?

Sí, pues con proyectos SEO que destinen más atención a la contenidos general que a la versión especial de la web y que, además, tienen una duración mayor de tiempo. – Los proyectos de SEO cuya finalidad es clasificar la web son proyectos que cuestionan el orden de clincanas en la web. – Los proyectos que destinan más atención son los cuya finalidad es clasificar la web, entre otras cosas, para usuarios antes de que sean hostes web. – Los proyectos que cuestionan el orden de clincanas son los que, además de ser de longer-term, tienen una duración mayor de tiempo.

¡No es tan difícil como parece!

Sí, no es tan difícil como parece. Los proyectos que cuestionan el orden de clincanas en la web es más o menos peligrosos, pero cuando se les presentan como una o dos etapas de desarrollo, se ponen de más difícil. – Las etapas de desarrollo son: la creciente de la demanda, la creciente de la curiosidad, la creciente de los interés, la creciente de la convicción, la creciente de la fe – Las dos etapas más frecuentes son la creciente de la demanda y la creciente de la curiosidad. – Las etapas de desarrollo de los proyectos se están alejando de la máxima velocidad que puede imponerse a ellos la web: la creciente de la demanda.

Utiliza Backlinks y Artículos para Crecer

Pues, ¡no es que no lo hayas hecho nunca por tu buenas!, sino que estos tienen una presa social que lo bindiza y lo enriquece. No estáis de acuerdo con lo que yo llamo la “nada” que imposibilita que en la web exista una diferencia entre una campaña y otra. – No hay nada que impone en la web o en la red la diferencia entre una campaña y otra. – Las ventajas de la campaña son que te dan esta diferencia, además de la creciente de la demanda, la creciente de la curiosidad y la creciente de la franqueza. – Las ventajas de la otra se dan cuando hayas acabado la campaña y quieras estar a la altura del anuncio para hacerte eco del resultado. – Suiza, que desde hace año es uno de los Estados más industrializadores del mundo, ha tomado elante en la cuestión con una campaña de crecimiento de la web que, cuenta con todas sus ventajas, tiene una diferencia de rutina: la creciente de la demanda.

Impulsar su canal de vídeo Marketingringtonee associazione di video marketing per aumentare la vendita dei vsterek

– No es que no lo has hecho, sino que estas intentando hacerlo mejor que nunca. Algo no se permite en la vida real… – ¡No te olvides de la mala redacción de enlaces! – ¡No te olvides de la gente que te escribió! – ¡No te olvides de lo que significa la palabra enlace! – ¡No te olvidas de lo que significa la palabra enlace! – –

Crear un entorno de creación de textos que le sirva en su próximo evento de blog

Crear un entorno de creación de textos que le sirva en su próximo evento de blog

Image Source: Unsplash

Si has pasado tanto tiempo como yo diseñando y probando tus experiencias de creación de contenidos, tienes toda la razón. Hay tantas formas diferentes de crear una entrada de blog y el diseño de la página de aterrizaje del artículo, y tantos enfoques diferentes para todos ellos. Puede ser un reto saber cuáles funcionarán mejor para tu blog o tu campaña de marketing. Sin embargo, con estos seis sencillos consejos, no tiene por qué ser tan difícil. Siga leyendo para aprender a hacerlo.

Crear un tema

Lo primero que tienes que hacer cuando empiezas un nuevo blog es decidir un tema. Esto te ayudará a ahorrar dinero y a hacer que tu blog sea atractivo para un mayor número de lectores. Por ejemplo, si piensas escribir sobre viajes, es probable que quieras utilizar un tema de viajes. Otro tema que puedes elegir es el de los negocios o las finanzas. Para determinar qué tema es el adecuado para tu blog, puedes utilizar la guía de temas de Wix. Esta guía te ayudará a descubrir el tema adecuado para tu blog y te ayudará a elegir el blog adecuado para tus necesidades. Con Wix, también puedes crear un parque temático con atracciones, una aplicación de citas online o un blog de moda. Las posibilidades son prácticamente infinitas. Explora los diferentes temas y ve lo que se te ocurre. Una vez que hayas elegido un tema, asegúrate de seguir las instrucciones de la guía de temas para crear una versión viable. Una vez que hayas creado un tema, elimina los archivos asociados a ese tema del servidor de tu ordenador. Ahora tienes una pizarra limpia para diseñar tu blog o artículo.

Configurar el entorno de tu blog

No necesitas ser un bloguero a tiempo completo para crear contenido para tu blog. Hay muchas formas de ganarse la vida como bloguero. Algunas personas trabajan desde casa, otras son freelance, y otras pueden incluso dedicarse a los blogs a tiempo completo. Puede ser un reto saber qué camino tomar con tu blog. Muchos blogueros optan por la autopublicación, que a menudo está mal vista por la industria editorial, pero no es una opción para todos los blogueros. Con un blog, puedes crear muchos tipos diferentes de contenido. Por ejemplo, puedes crear entradas en el blog, entradas de invitados, estudios de casos y postales de invitados. También puedes crear infografías, gráficos y tablas. Cada uno de ellos puede ser revalorizado y optimizado para adaptarse a las necesidades de su audiencia. Puede ser esclarecedor ver cuántas visitas recibe tu contenido, el número de «me gusta» y comentarios, y el tiempo que se tarda en publicar tu contenido. También puede ser útil hacer un seguimiento de la cantidad de lectores que tienes y de cómo se relacionan con tu contenido.

Utilizar palabras clave adecuadas

Nunca se sabe cuándo puede ser necesario utilizar una palabra específica. Por ejemplo, al escribir sobre blockchain, podrías tener un título como «El ensayo sobre blockchain y finanzas». Aunque se trata de una introducción general al tema, es probable que se sustituya por una búsqueda de palabras clave. Siempre debes esforzarte en elegir palabras clave que se relacionen con tu tema. Por ejemplo, si estás escribiendo un post sobre salud, podrías elegir palabras clave relacionadas con la salud y relacionadas con la salud. Si estás escribiendo una entrada en tu blog y quieres utilizar palabras clave relacionadas con el marketing, considera utilizar palabras clave que estén relacionadas con los objetivos de tu blog. Si utiliza palabras clave no relacionadas, sus lectores podrían no notar la diferencia. Sin embargo, si utiliza constantemente palabras clave relacionadas, los lectores probablemente asociarán esas palabras clave con su blog y será más probable que lo visiten.

Construir el drama de los fundamentos

Una vez elegido el tema, configurado el entorno de tu blog y utilizado las palabras clave adecuadas, es el momento de empezar la parte difícil: construir el drama de los fundamentos. Los fundamentos son los bloques de construcción de un blog. Tienes que crear un blog atractivo y atrayente que sea a la vez interesante e informativo. Los siguientes son los fundamentos más importantes para construir un gran blog: Sé breve: cuanto más breve, mejor. Haz que tu blog sea interesante y atractivo, pero que sea corto. La longitud de la entrada de tu blog debe corresponderse con la longitud de tu mensaje. Si tu blog es más largo que dos entradas, tus lectores lo recordarán y se irán Mantenga el contenido interesante: los temas interesantes son la base de los blogs. Mantendrán el interés de tus lectores, haciendo que quieran seguir leyendo. Una de las cosas más importantes que puedes hacer como bloguero es mantener el contenido interesante. Mantén un lenguaje fácil de entender: haz que tu blog no tenga lenguaje o lo leerán en una pantalla de ordenador. Normalmente, la gente quiere saber lo que ocurre en el mundo y en su mundo, para poder entenderlo mejor.

Conclusión

Escribir un blog con éxito es un proceso. Es un proceso de descubrimiento. Es el proceso de buscar nuevas formas de crear contenido y ganar más seguidores. Es el proceso de aprender nuevas técnicas, de mejorar lo que yo llamo el «arte de la construcción» y de crear contenidos para mi blog. Como en todas las empresas, hay que trabajar, superar los límites y asumir riesgos. Nunca se sabe cuándo puede ser necesario utilizar una palabra concreta o hacer una referencia importante, pero no importa lo difícil que sea decidir la palabra o la referencia adecuadas, porque el resultado siempre será mejor que el punto de partida. Como puedes ver, no es nada difícil crear un gran blog. Lo único que tienes que hacer es seguir estos seis consejos y estarás en camino de crear el blog perfecto para ti.

Cómo aumentar el rendimiento de sus análisis utilizando técnicas de aprendizaje automático

Image Source: FreeImages

Es posible que ya haya oído hablar del aprendizaje automático y de otras tecnologías relacionadas con la Inteligencia Artificial (IA). Pues bien, este artículo trata de aumentar la eficacia de sus análisis con técnicas de aprendizaje automático. Veamos cómo puede utilizar el aprendizaje automático en su beneficio. Supongamos que usted es una empresa que necesita comprender el coste y el impacto de varios tipos de inversiones realizadas por sus clientes y socios y elaborar un análisis adecuado teniendo en cuenta las diversas contingencias. Si quiere ser más eficaz en sus actividades de marketing, necesita adoptar nuevas y mejores estrategias de marketing que incluyan el Machine Learning . Puede leer más sobre esto en profundidad en nuestro artículo sobre Cómo aumentar la eficacia de su análisis utilizando técnicas de aprendizaje automático . Veamos cómo puede utilizar las técnicas de Machine Learning para aumentar la eficacia de sus análisis.

¿Qué es el aprendizaje automático?

El aprendizaje automático es una rama de la algoritmia que permite a los programas aprender a través de la experiencia y luego aplicar ese conocimiento a nuevos problemas. En este caso, el algoritmo de aprendizaje automático se entrena con datos de muestra para aprender de ellos sin necesidad de escribir código. Esta técnica da lugar a programas que son mucho más fáciles de mantener, mantienen un solo lugar para el almacenamiento de datos y son lo suficientemente generales como para manejar una amplia variedad de problemas.

Cómo aumentar el rendimiento de sus análisis utilizando técnicas de aprendizaje automático

El aprendizaje automático es una técnica que permite a los programas aprender a través de la experiencia y luego aplicar ese conocimiento a nuevos problemas. Esta técnica da lugar a programas que son mucho más fáciles de mantener, mantienen un solo lugar para el almacenamiento de datos y son lo suficientemente generales como para manejar una amplia variedad de problemas. Para medir el rendimiento de sus análisis, utilice una herramienta de supervisión del rendimiento como Metrics Monitor o Streamline para recopilar datos que permitan analizar e informar sobre el estado de sus datos. A continuación, utilice los datos para mejorar sus algoritmos.

Las ventajas de la IA

El aprendizaje automático tiene el potencial de mejorar la eficiencia y el impacto de muchas actividades diferentes. Por ejemplo, puede mejorar el rendimiento del análisis de varios tipos de inversiones realizadas por sus clientes y socios. También puede mejorar su capacidad para comprender y predecir la demanda de los clientes y responder adecuadamente a ella. El aprendizaje automático también puede mejorar su capacidad para crear ofertas y campañas a medida basadas en las necesidades y el comportamiento de sus clientes. Por ejemplo, puede crear una campaña que destaque las ventajas de la IA y luego ayudar a sus clientes a entender el impacto de su elección de ofertas asistidas por la IA. O puede crear una campaña que destaque las ventajas de la IA y luego muestre cómo las herramientas asistidas por la IA pueden utilizarse para reducir las frustraciones de los clientes.

Lo que los algoritmos de aprendizaje automático pueden hacer por sus análisis

Hay una serie de algoritmos de aprendizaje automático que puede utilizar en sus análisis. A continuación hemos enumerado algunos de los más comunes. RNN – El entrenamiento de redes neuronales regulares es el enfoque más común en el aprendizaje automático. Esta técnica utiliza neuronas regulares y una representación interna para producir patrones a gran escala. Se entrena con un gran número de ejemplos para aprender. El número de tareas que puede manejar es limitado. Aprendizaje profundo – El aprendizaje profundo es el enfoque más antiguo del aprendizaje automático. Se basa en redes neuronales descentralizadas y se utiliza para realizar tareas como el reconocimiento de imágenes y el reconocimiento del habla. SVM – El modelo de árbol de decisión estándar utilizado en el aprendizaje automático. También se conoce como «hembra pegajosa». Se basa en atractores en forma de Y y representa las tareas como puntos y luego como incertidumbres. Otras herramientas que puedes utilizar para entrenar tu modelo de IA son los algoritmos tradicionales, como RNN o SVM. Si quieres utilizar otro enfoque, también puedes utilizar redes neuronales para entrenar tu modelo de IA. Cuando se utilizan redes neuronales, cada capa es una representación independiente de los datos de entrada. Este enfoque le permite entrenar sus modelos de IA con un gran número de ejemplos para aumentar su precisión.

¿Qué datos se necesitan para apoyar un algoritmo de aprendizaje automático en una aplicación?

Puede utilizar cualquier conjunto de datos que admita el aprendizaje automático para crear un modelo de aprendizaje automático. Los siguientes son algunos ejemplos de conjuntos de datos que puede utilizar en sus campañas de aprendizaje automático: – Datos de compra del cliente. Esto incluye el código de pedido, el precio y la cantidad comprada. – Datos del comportamiento del cliente. Esto incluye su comportamiento de compra, incluyendo si compraron el producto al por mayor, o si compraron el producto en una sola pieza. – Otros datos. Incluye datos de asesoramiento, datos de campaña y datos de marketing.

Conclusión

Se espera que el aprendizaje automático desempeñe un papel importante en las tecnologías de aprendizaje automático e IA en un futuro próximo. Actualmente se utiliza para entrenar redes neuronales en grandes cantidades de datos para aprender de ellos. A continuación, hablaremos de cómo puede utilizar el aprendizaje automático en su beneficio para aumentar el rendimiento de sus análisis.

Cómo aumentar el rendimiento de sus análisis con técnicas de aprendizaje automático

– Coloque sus datos en un lugar al que pueda acceder fácilmente. De este modo, tendrá un acceso fácil y constante a los datos. – Asegúrese de que los datos están ordenados según alguna regla común. Esto le permite crear datos limpios. – Utilice funciones para crear marcos de datos. Esto le permite mostrar los datos en tablas o gráficos. – Utilice gráficos para mostrar la información. Esto puede ser una muestra visual o métrica. – Configure una campaña de Hora de Aventuras. Los datos seguirán al héroe a través de su viaje y se utilizarán como un marco de datos para representar su progreso. – Concluir las campañas con resultados positivos. Los marcos de datos son una gran manera de compartir los resultados con la comunidad.

Los beneficios de la IA

El aprendizaje automático puede mejorar la eficiencia y el impacto de muchas actividades diferentes. Por ejemplo, puede mejorar la eficiencia y el impacto del análisis de varios tipos de inversiones realizadas por sus clientes y socios. También puede mejorar su capacidad para comprender y predecir la demanda de los clientes y responder adecuadamente a ella. El aprendizaje automático también puede utilizarse para crear ofertas y campañas a medida basadas en las necesidades y el comportamiento de sus clientes. Por ejemplo, puede crear una campaña que destaque las ventajas de la IA y, a continuación, muestre cómo pueden utilizarse las herramientas asistidas por la IA para reducir las frustraciones de los clientes.

Reflexiones acerca del Posicionamiento web 2021

Posicinamiento SEO, El SERP
Posicinamiento SEO, El SERP

Reflexiones acerca del Posicionamiento Web

Hace ya años que tenemos empresarios cada vez más preocupados por su posicionamiento web y la apariencia de sus empresas en los principales buscadores.

Al igual que yo que llevo cerca de diez años estudiando las distintas formas de posicionamiento orgánico para empresas y sus productos o servicios. Como administrador de sistemas y programador, además de 17 años de experiencia como electricista, siempre he tenido otro punto de vista sobre la formación que debería tener alguien para ofrecer mejoras en nuestras web, ya que mi visión sobre la red siempre ha sido un conjunto gracias a las tres aptitudes, con el objetivo siempre de mejorar el posicionamiento web en las búsquedas de internet he continuado mi formación tanto en programación, como administración y Posicionamiento Web.

Y la verdad, si no tienes un buen equipo detrás, se me hace raro, que alguien que sabe soló de posicionamiento orgánico pueda recomendar ninguna mejora que salga de mejorar las cabeceras de la web, estrategia SEO de los textos, títulos y URL’s.

No lo veo revisando el incremento de gastos para mejorar las capacidades de un servidor, el utilizar o no utilizar WordPress para tú web o tú proyecto, así como en el uso de la web o herramienta a utilizar y la formación de quién la va ha utilizar. Hay tantos detalles en un servidor, su sistema operativo y su uso, que no se pueden dejar atrás y en manos de terceros.

Podemos tener la mejor estrategia SEO aplicada, pero si nuestra web tardá 6 segundos en cargar todo el trabajo no valdrá de nada, sí en nuestra web se hace difícil programar o publicar una serie de post, se nos hará un mundo este proceso. De que nos sirve tener un web hecha exclusivamente a código para nosotros, si luego no podemos tener un backend ameno y universal para facilitar a los editores la distintas publicaciones, la sincronización con redes sociales, automatización de sitemaps y utilizar las distintas herramientas que ya existen.

Un buen estratega SEO además de contar con experiencia en la visión de datos Analytics, controlar Google Search Console, tener un amplio conocimiento en vocabulario, ser una persona dinámica y adaptable a los cambios rápidos; Debe tener aptitudes y conocimientos de administración y programación, sino como crear campañas solventes y adaptables, como utilizar y dar justificaciones de nuestros servicios y servidores.

Un buen estratega SEO debería poder llevar tú máquina a trabajar al 100% de sus posibilidades.

Un buen estratega SEO debería ser capaz de crear un red de páginas y controlarla.

Un buen estratega SEO debe dar indicaciones claras y ser capaz de justificarlas.

Un buen estratega SEO debe tener conocimientos sobre machine-learning para poder tener otros puntos de vista, y es que, debe ser un DataScients debido a la gran cantidad de datos que debe manejar.

Un buen estratega SEO debe saber que herramientas utilizar en cada momento, ¿Estás seguro que tú problema es la competencia?. Primero asegurate de mostrar lo que quierés en la red y como lo estás mostrando actualmente.

El posicionamiento web, más concretamente el posicionamiento orgánico no aporta siempre las mejores estadísticas, el que trae un tráfico de calidad. Le mejora en el SERP no son tres puntos y miles de palabras clave, la mejora en el posicionamiento SEO consta de un conjunto, de un histórico y un trabajo que se aprecia con el tiempo y la constancia.

Ánimo y escuchen al Friki que tienen al lado.

Bosques aleatorios para regresión

Regresión con bosques aleatorios

Bosques aleatorios

Versión mejorada del árbol de regresión ya que es capaz de utilizar miles de árboles de regresión para obtener una mejor predicción.

Pasos a seguir

  1. Elegir un número aleatorio K de puntos de datos del conjunto de Entranamiento.
  2. Árbol de desición asociado a esos K puntos.
  3. Elegir el número de NTree de árboles que queremos construir y repetimos Paso 1 y Paso 2
  4. Cada uno de los árboles hace una predicción del valor Y, luego hacemos un promedio de esos NTree predicciones.

Árboles de decisión para Regresión Lineal

CART -> Classification and Regressión Tree

Una vez ejecutamos nuestro algoritmo árbol de decisión, el conjunto de datos de las variables independientes quedará dividido en segmentos.

Arbol de decision.png

Básicamente se fija en la entropia de los puntos para poder agruparlos, cada una de estas divisiones aporta una información realmente buena.

Arbol decision2.png

Podemos ver en verda la media de los segmentos y en la imagen de abajo el árbol de decisiones

Arbol decision3.png

 
 

Regresión con máquina de soporte vectorial

Regresión con máquina de soporte vectorial SVR

Sirven tanto para regresiones lineales como no lineales. La idea es ajustar una calle, he intentar mantener cuántas más obvervaciones posibles del conjunto de datos dentro de la calle, limitando unos márgenes máximos.

Hyper parámetro épsilon

La anchura del pasillo se controla mediante un hiper parámetro, épsilon. Cuánto mayor es ese valor, mayor es la anchura de la calle.

Objetivo

En la regresión lineal se intenta minimizar el error entre la predicción y los datos. En SVR el objetivo es que los errores no superen el umbral establecido.

Regresión Lineal Multiple

Restriciones de la Regresión Lineal

  1. Linealidad
  2. Homoceadasticidad
  3. Normalidad Multivariable
  4. Independencia de los errores
  5. Ausencia de multicolinealidad. El modelo es incapaz de distinguir los efectos de una variable dummy.

Variable Dummy

Cuando necesitemos construir un modelo con variables ficticias (variables dummy), hay que omitir uno de los factores, uno de los niveles de la variable ficticia. Es decir, si tenemos 100 países como variables ficticias, solo colocaríamos como dummy 99 en el modelo de regresión.

P-Valor

Que no es

  • El p-valor no es la probabilidad de que la afirmación sea cierta.
  • El p-valor no es la probabilidad de que la hipótesis nula sea cierta.

Nos indica que tan probable es obtener un resultado con una hipótesis nula verdadera.

[[1]]

Paso a paso en la regresión lineal multiple

Añadir todas las variables independientes

No, por dos razones:

  1. NO por añadir más variables vamos a tener más información. In Basura = Out Basura.
  2. Si el número de variables va creciendo hace díficil la explicación lógica del proceso.

5 métodos obtención de variables relevantes

Tenemos 5 métodos disponibles para obtener las variables importantes y que tendrán relevancia en el algoritmo de regresión lineal multiple.

Exhaustivo (All-in)

Metemos todas las variables en el modelo, razones por las que hacer esto:

  • Conocimiento previo de todas las variables. Todas son variables predictoras.
  • Por necesidad, nos obligan a utilizar todas las variables.
  • Preparación previa para realizar la eliminación hacia atrás.

Eliminación hacia atrás

  1. Selección del el nivel de significación en el modelo, normalmente SL=0.05
  2. Se calcula el modelo con todas las variables
  3. Se obtiene la variable predictoras con el p-valor más grande. Si P > SL, entonces pasamos al paso 4, sino vamos a fin.
  4. Se elimina la variable predictora.
  5. Reajuste del modelo sin dicha variable.

Con el nuevo modelo creado, las variables de ese tendrán una seria de p-valores y por tanto repetimos el paso 3, consideramos la variable predictora con p-valor más grande, si el p-valor es todavía mayor que el nivel de significación, se elimina y se reajusta el modelo otra vez.

Selección hacia adelante

  1. Seleccionamos un nivel de significación, pero en este caso será para entrar en el modelo.
  2. Ajustamos todos los modelos de regresión lineal simple. Elegimos el que tiene el menor p-valor.
  3. Conservamos esta variables y ajustamos todos los modelos con la variable extra añadida a la que ya tenga el modelo en ese momento.
  4. Consideramos la variable predictora con el menor p-valor. Si P < SL volvemos al paso 3.

Seguiremos sucesivamente añadiendo variables mientras el p-valor sean inferior al nivel de siginificación, en el caso que la variable que se acaba de añadir ya supere el SL, daremos por terminado el trabajo y conservaremos el modelo anterior como el correcto.

Eliminación bidireccional o regresión dual

  1. Seleccionamos dos niveles de significación para entrar y salir del modelo.
  2. Selección hacía delante p-valor < SLEnter
  3. Selección hacía atrás p-valor < SLStay
  4. No hay nuevas variables para entrar ni tampoco variables antiguas para salir

Comparaciones de puntos

  1. Seleccionar un criterio de la bondad de ajuste. Cuando un modelo será mejor que otro.
  2. Construir todos los Modelos: 2N – 1
  3. Selección del modelo con mejor criterio

OJO! -> 10 columnas de datos = 1023 modelos

Regresión Lineal Simple

Vamos a intentar predecir y crear un modelo lineal, regresión lineal simple. Buscará todas las rectas posibles y nos dirá cuál es la recta que más se acerca la distancia de la propia recta a los puntos de referencia.
Es la línea de tendencia que más se ajusta a los datos ofrecidos.

Variables

Categóricas

  • Nominales -> Rojo,verde,azul,… (Factores)
  • Ordinales -> Pequeño,Mediano,Grande, A,B,C (Tiene un orden)

Numéricas

  • Discretas -> 800 empleados (objetos que podemos contar sin usar decimales)
  • Continuas -> El peso, la altura, entran todo tipo de números.

La palabra regresión

LLamamos análisis de regresión al precio estadístico de estimar las relaciones que existen entre variables.
Se centra en estudiar las relaciones entre una variable dependiente de una o varias variables independientes.

Regresion.png

Regresión Lineal Simple

Regresion lineal.png

Lo que hará nuestro algoritmo de regresión lineal es sumar todas las diferencias, las rectas entre yî y ŷî, las elevará al cuadrado porque algunas serán positivas y otras negativas. De todas las rectas se que con aquella que minimiza los cuadrados de las diferencias entre el dato real y la predicción.