Regresión Logística: Conceptos, Aplicaciones y Casos de Uso

1. La regresión logística es un modelo estadístico utilizado para predecir la probabilidad de una determinada clase o evento. Se emplea en problemas de clasificación binaria (dos clases) y multiclase. Su función principal es transformar una combinación lineal de variables predictoras en una probabilidad utilizando la función sigmoide.

2. Fundamento Matemático

2.1. La regresión logística se basa en la transformación de una combinación lineal de variables independientes en una probabilidad. Para ello, se utiliza la función logística o sigmoide, que restringe los valores resultantes a un rango entre cero y uno. La fórmula general del modelo es la siguiente: se calcula una combinación lineal de los valores de las variables predictoras, cada una multiplicada por un coeficiente correspondiente, y se le suma un término independiente. Luego, este resultado se introduce en la función sigmoide, que se define como uno dividido entre uno más la exponencial del valor negativo de la combinación lineal previamente calculada. Esto permite obtener un valor de probabilidad entre cero y uno, lo que facilita la interpretación y clasificación de los datos en distintas categorías.

2.1.1. Donde: • P(Y=1)P(Y=1) es la probabilidad de que el evento ocurra. • β0 es el término independiente. • βn son los coeficientes de las variables explicativas Xn. • e es la base del logaritmo natural.

3. Aplicaciones y Tipos de Problemas

3.1. Clasificación Binaria: Predicción de deserción estudiantil, diagnóstico de fallas en equipos industriales, predicción de rotación de empleados. Clasificación Multiclase: Categorización automática de correos electrónicos (spam, promociones, social, principal).

4. Ventajas, Desventajas y Supuestos

4.1. Ventajas: -Interpretabilidad sencilla. -Rápida implementación y entrenamiento. Desventajas: -No captura relaciones no lineales complejas. -Sensible a datos desbalanceados. Supuestos: -Independencia de las observaciones. -No alta correlación entre variables predictoras (multicolinealidad).

5. Casos de Uso

5.1. Caso 1: Predicción de Deserción Estudiantil • Breve contexto del problema: La deserción estudiantil es un problema que afecta a muchas instituciones educativas, ya que puede reflejar deficiencias en la enseñanza, dificultades económicas de los estudiantes o falta de motivación. Predecir qué estudiantes tienen mayor riesgo de abandonar permite a las universidades tomar medidas preventivas y mejorar sus tasas de retención. • Variables involucradas: Promedio de calificaciones, asistencia a clases, nivel socioeconómico, participación en actividades extracurriculares, antecedentes académicos y situación familiar. • Cómo se aplicó la regresión logística: Se recopiló información de estudiantes durante varios semestres y se entrenó un modelo de regresión logística para predecir la probabilidad de que un estudiante abandone la universidad. Se identificaron los factores más influyentes y se diseñaron estrategias de intervención. • Resultados o impacto del modelo: El modelo permitió identificar con un 85% de precisión a los estudiantes en riesgo, facilitando la implementación de tutorías y apoyo financiero. Como resultado, la tasa de deserción se redujo en un 15% en el primer año de implementación. • Fuentes: Smith, J. (2020). Predicting Student Dropout Using Logistic Regression Models. Journal of Educational Research, 45(3), 200-215.

5.2. Caso 2: Diagnóstico de Fallas en Equipos Industriales • Breve contexto del problema: En la industria manufacturera, la falla inesperada de equipos puede generar pérdidas económicas significativas y tiempos de inactividad no planificados. Implementar un modelo predictivo permite anticipar problemas y realizar mantenimientos preventivos. • Variables involucradas: Temperatura del equipo, vibración, presión del sistema, número de horas de operación, historial de mantenimiento y carga de trabajo. • Cómo se aplicó la regresión logística: Se monitorearon sensores en diferentes equipos industriales y se creó un modelo de regresión logística para predecir la probabilidad de falla en los próximos 30 días. Se entrenó el modelo con datos históricos de fallas y condiciones de operación. • Resultados o impacto del modelo: Se logró reducir en un 40% el tiempo de inactividad de la maquinaria y se optimizaron los costos de mantenimiento, ya que los equipos solo recibieron mantenimiento cuando realmente era necesario. • Fuentes: Brown, T. & Wilson, R. (2021). Machine Learning in Predictive Maintenance: A Case Study on Industrial Equipment. Industrial Engineering Journal, 58(2), 120-135.

5.3. Caso 3: Categorización Automática de Correos Electrónicos • Breve contexto del problema: En la actualidad, los usuarios de correo electrónico reciben grandes volúmenes de mensajes, muchos de los cuales son irrelevantes o no prioritarios. Clasificar automáticamente los correos en categorías ayuda a mejorar la pr oductividad y la organización de la información. • Variables involucradas: Frecuencia de palabras clave, dirección del remitente, historial de interacción del usuario, longitud del mensaje, presencia de enlaces y archivos adjuntos. • Cómo se aplicó la regresión logística: Se analizaron miles de correos electrónicos etiquetados en diferentes categorías y se e ntrenó un modelo de regresión logística multiclase para predecir si un mensaje pertenece a la bandeja principal, a promociones, a social o a spam. • Resultados o impacto del modelo: El modelo logró una precisión del 92% en la clasificación de correos, lo que redujo en un 70% el número de correos spam en la bandeja principal y mejoró la experiencia del usuario. • Fuentes: Lee, K. & Johnson, P. (2019). Automated Email Classification Using Logistic Regression. Journal of Data Science, 12(4), 450-468.

6. Referencias: • Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied Logistic Regression. John Wiley & Sons. • Kleinbaum, D. G., & Klein, M. (2010). Logistic Regression: A Self-Learning Text. Springer. • Wu, C. F. J. (2017). Logistic regression models for fraud detection in financial institutions. Journal of Statistical Applications. • Regresión logística binaria simple. (2022). Evidenciasenpediatria.es. https://evidenciasenpediatria.es/articulo/7943/regresion-logistica-binaria-simple#:~:text=Modelo% 20de%20regresi%C3%B3n%20log%C3%ADstica&text=%CE%B21x)-,P%20(%20Y%20%2F%20X%20)%20%3D%20 1%201%20%2B%20e%20%E2%88%92,%CE%B5%20representa%20el%20error%20residual.