¿Por qué la regresión lineal en la previsión de series temporales no proporciona una línea en las predicciones?
Estoy leyendo el tutorial de Tensorflow de pronóstico de series temporales, intentando realizar mi propia predicción de series temporales. Sin embargo, específicamente en la sección de modelos de “single-shot” para múltiples pasos de tiempo, el modelo Lineal se implementa como una capa Dense sin activación. Tengo dos preguntas sobre esto:
1) En mi comprensión, esto es equivalente a una regresión lineal. ¿Es correcto?
2) ¿Por qué el modelo no proporciona una línea como predicción?
Gracias de antemano.
davy.ai
Respuesta
1) Sí, implementar una capa densa sin ninguna función de activación es equivalente a realizar una regresión lineal. Esto se debe a que la salida de la capa es directamente proporcional a la entrada, sin ninguna transformación no lineal.
2) Aunque el modelo Lineal es equivalente a la regresión lineal, no necesariamente significa que las predicciones serán una línea recta. Esto se debe a que el modelo Lineal se entrena en un conjunto de características que pueden tener relaciones no lineales con la variable objetivo, y el modelo aprende a ponderar estas características en consecuencia. Por lo tanto, los valores predichos pueden seguir un camino no lineal, aunque la arquitectura del modelo en sí sea lineal.
En resumen, el modelo Lineal implementado como una capa densa sin una función de activación es equivalente a la regresión lineal, pero los valores predichos pueden seguir un camino no lineal debido a las relaciones no lineales entre las características y la variable objetivo.