Antes de abordar de que trata el ejercicio, es importante retomar y tener en cuenta

conceptos de la actividad anterior ya que para esta actividad podemos ver como
se aplica el paradigma del aprendizaje automático que en su concepto más simple
es aquella técnica que nos ayuda a deducir una función a partir de datos de
entrenamiento. Y vemos la aplicación del algoritmo de Linear Regression el cual
pertenece a la familia de los algoritmos más utilizados en el aprendizaje
supervisado.

Básicamente para este ejercicio se usa este algoritmo para validar cierta tendencia
de in conjunto de datos, en este caso puntual se usa para determinar una relación
entre una cantidad de horas que puede llegar a estudiar un estudiante y el
porcentaje de calificación que podría llegar a tener el estudiante basado en las
horas dedicadas a estudiar.
Para esto se usa una ecuación y mediante Python y su librería Scikit-Learn para
aprendizaje automático usado para implementar funciones de regresión, los datos
que se toman son valores de horas asociados a una puntuación(calificación) como
referente para este ejercicio, con esto se puede lograr entender que si un alumno
estudia una hora más de lo que estudió anteriormente para un examen, puede
esperar lograr un aumento del 9,91% en la puntuación obtenida por el alumno
anteriormente.

Basado en este previo entrenamiento ya se puede empezar a realizar predicciones

y se puede concluir que a pesar de que no según los porcentajes en la evaluación
del algoritmo no son los mejores, pero si llegan a cumplir con lo esperado como se
ve a continuación: