Apple Quality Machine Learning Model

Objetivo:

Desarrollar un modelo que aprenda efectivamente de los datos y pueda realizar predicciones o clasificaciones precisas, utilizando herramientas como pandas para el manejo de datos y scikit-learn para el modelado.

Desarrollo:

Este trabajo de Machine Learning se centra en el desarrollo de un proyecto completo de análisis de datos, desde la exploración inicial hasta la evaluación de un modelo predictivo. El proceso se divide en tres fases principales:

Análisis Exploratorio:

- Identificación de preguntas de investigación
. Formulación de hipótesis
- Análisis inicial del conjunto de datos

Preprocesamiento de Datos:

- Limpieza de datos
- Transformación de variables
- Reducción de dimensionalidad
- Discretización cuando sea necesaria

Modelado y Evaluación:

- Implementación de modelo de regresión lineal o logística
- Selección y cálculo de métricas de evaluación
- Análisis del rendimiento del modelo

Conjunto de datos:

Contiene información sobre la calidad de las manzanas.

https://www.kaggle.com/datasets/nelgiriyewithana/apple-quality 

Ejercicio:

A. Realizar un análisis exploratorio al conjunto de datos entregado, para ello debe crear diferentes preguntas e hipótesis a resolver en los datos partiendo de un problema que cada grupo debe plantear.

B. Después de realizar el análisis exploratorio, debe hacer el preprocesamiento de los datos según como considere: limpieza, transformación, reducción de datos o discretización de los datos. Para esto, puede usar pandas.

C. Luego de hacer el preprocesamiento y tener el conjunto de datos final, debe crear un modelo de Machine Learning de regresión lineal, puede usar scikit learn. Este modelo puede ser de predicción o regresión logística para clasificación. Debe buscar la forma de evaluar si el modelo está bien o no con métricas que permitan determinar si el modelo aprende o no.

Evaluación:

Ítem	Puntos
Análisis exploratorio en notebook	10 pts
Preprocesamiento de los datos	15 pts
Entrenamiento del Modelo de Machine Learning	15 pts
Evaluación del modelo	10 pts
Total	50 pts

Systems engineering:

User:	David Gutierrez Chaves
Code:	506222728
Subject:	Big Data Electiva-I
Institution:	Fundación Universitaria Konrad Lorenz
Institutional email	david.gutierrec@konradlorenz.edu.co

Created By:

https://github.com/dg2c4

Date: 10/02/2025 - 01/03/2025