Ejercicio de programación con ScikitLearn: Regresión lineal

En este reto, utilizarás el dataset 'tips' de la librería Seaborn para implementar una regresión lineal simple usando Scikit-Learn. Tu tarea será predecir el valor de la variable tip basado en el valor de la variable total_bill. Sigue los pasos detallados a continuación para completar el ejercicio.

Carga de datos:

• Utiliza Seaborn para cargar el conjunto de datos ‘tips’ usando df = sns.load_dataset('tips').
• Crea un DataFrame con estos datos para su manipulación.

Exploración de datos:

• Inspecciona las primeras filas del dataset para entender la estructura de los datos.
• Asegúrate de que las columnas total_bill y tip están presentes en el DataFrame.

Preparación de datos:

• Selecciona total_bill como la variable independiente (X) y tip como la variable dependiente (y).
• Asegúrate de que tip esté en forma de matriz columna (utiliza reshape(-1, 1)).

Implementación del modelo:

• Importa la clase LinearRegression de sklearn.linear_model.
• Crea una instancia del modelo de regresión lineal.
• Ajusta el modelo a los datos utilizando el método fit().

Extracción de coeficientes:

• Al finalizar el ajuste del modelo, imprime los coeficientes e intercepto obtenidos. Al ser regresión lineal simple habrá solo un coeficiente.

Visualización de resultados:

• Genera un gráfico de dispersión de los datos reales (tip vs. total_bill).
• Superpone la línea de regresión obtenida.

Evaluación del modelo:

• Utiliza el modelo para predecir valores de tip.
• Calcula el coeficiente de determinación ( R^2 ) para medir el desempeño del modelo.