Regresión logística

Es un algoritmo estadístico utilizado principalmente para resolver problemas de clasificación binaria en el ámbito del aprendizaje supervisado.

Su objetivo principal es modelar la relación entre una o varias variables independientes y una variable dependiente categórica, asignando probabilidades a cada posible clase de salida.

A través de la función sigmoide, transforma una combinación lineal de las variables de entrada en un valor de probabilidad comprendido entre 0 y 1.

Utiliza el método de máxima verosimilitud para ajustar los coeficientes del modelo y optimizar la separación entre las clases.

Además de problemas binarios, puede extenderse a tareas de clasificación multiclase mediante variantes como la regresión logística multinomial.

Es especialmente útil en contextos donde las relaciones entre las variables no son completamente lineales, pero la tarea sigue siendo predecir categorías discretas.

Su simplicidad, interpretabilidad y bajas demandas computacionales la hacen popular en aplicaciones como detección de fraudes, diagnóstico médico y modelado de riesgos en finanzas.