Todos los desafíos
Intermedio 0 resueltos 0% de aceptación

Regresión lineal simple (mínimos cuadrados)

Encuentra la recta que mejor se ajusta a los datos con las fórmulas de mínimos cuadrados.

Lo que aprenderás

  • Ajustar una recta con fórmulas cerradas
  • Calcular pendiente y ordenada en el origen
  • Entender qué significa el mejor ajuste

Problema

Ver original (inglés)

La regresión lineal encuentra la recta y = slope × x + intercept que mejor se ajusta a los datos, es decir, la que minimiza la suma de los errores al cuadrado. Para una sola variable de entrada hay una fórmula exacta:

  • slope = Σ(x - x̄)(y - ȳ) / Σ(x - x̄)²
  • intercept = ȳ - slope × x̄

donde x̄ e ȳ son las medias de xs e ys. Si todos los xs son iguales, devuelve slope 0 e intercept ȳ.

Implementa linear_regression(xs, ys).

Entrada

xs, ys: Los valores x e y de los puntos (misma longitud).

Salida

Devuelve [slope, intercept].

Restricciones

1 ≤ número de puntos ≤ 10 000

-10 000 ≤ cada valor ≤ 10 000

Ejemplos

Ejemplo 1
Entrada:
xs = [1.0, 2.0, 3.0, 4.0]
ys = [3.0, 5.0, 7.0, 9.0]

Salida esperada:
expected = [2.0, 1.0]
Entrada:
std::vector<double> xs = {1.0, 2.0, 3.0, 4.0};
std::vector<double> ys = {3.0, 5.0, 7.0, 9.0};

Salida esperada:
std::vector<double> expected = {2.0, 1.0};
Entrada:
double[] xs = new double[] {1.0, 2.0, 3.0, 4.0};
double[] ys = new double[] {3.0, 5.0, 7.0, 9.0};

Salida esperada:
double[] expected = new double[] {2.0, 1.0};

Explicación

Los puntos están exactamente sobre y = 2x + 1. x̄ = 2.5, ȳ = 6, Σ(x - x̄)(y - ȳ) = 10 y Σ(x - x̄)² = 5, así que slope = 2 e intercept = 6 - 2 × 2.5 = 1.

Ejemplo 2
Entrada:
xs = [0.0, 1.0, 2.0]
ys = [1.0, 3.0, 2.0]

Salida esperada:
expected = [0.5, 1.5]
Entrada:
std::vector<double> xs = {0.0, 1.0, 2.0};
std::vector<double> ys = {1.0, 3.0, 2.0};

Salida esperada:
std::vector<double> expected = {0.5, 1.5};
Entrada:
double[] xs = new double[] {0.0, 1.0, 2.0};
double[] ys = new double[] {1.0, 3.0, 2.0};

Salida esperada:
double[] expected = new double[] {0.5, 1.5};

Explicación

x̄ = 1 e ȳ = 2. Σ(x - x̄)(y - ȳ) = (-1)(-1) + 0 + (1)(0) = 1 y Σ(x - x̄)² = 2, así que slope = 0.5 e intercept = 2 - 0.5 × 1 = 1.5.

Cómo abordarlo

Inténtalo primero por tu cuenta y luego abre las pistas una a una.

Pista 1

La mejor recta se obtiene a partir de cómo x e y varían juntos alrededor de sus medias.

Pista 2

Calcula primero las medias y luego acumula el numerador y el denominador de la fórmula de la pendiente.

Pista 3

Si todos los valores de x son iguales, la pendiente es indefinida, así que devuelve una recta horizontal en la media de y.

Complejidad esperada

tiempo O(n), espacio extra O(1)

Referencias

Este reto está adaptado para CodeUtility. Sigue el enunciado y las restricciones indicadas arriba.

Clasificación

Clasificación completa

La mejor solución aprobada de cada programador. Las más rápidas, ligeras y mejor valoradas van primero.

Aún no hay soluciones aprobadas. Resuélvelo y quédate el primer puesto.

Aprende de otros

Soluciones de la comunidad

Aún no hay soluciones publicadas. Resuelve este reto para compartir la primera.