Modelo predictivo usando Machine Learning para determinar millas por galón

Autores/as

DOI:

https://doi.org/10.55813/gaea/ccri/v5/n1/467

Palabras clave:

Machine Learning, millas por galón, lenguaje de programación

Resumen

La contaminación vehicular es la principal causa del cambio climático, entre los gases que generan el efecto invernadero, el CO2 es el que más contribuye al calentamiento global. Gracias a las técnicas de inteligencia artificial, dentro del subcampo del aprendizaje automático o machine Learning, se han dado avances significativos que permiten agilizar el análisis de grandes volúmenes de datos. Este estudio tiene como objetivo, determinar el problema de, construir un modelo para predecir la eficiencia de vehículos de 1970 y 1980. Para hacer esto proveeremos el modelo con una descripción de muchos automóviles de ese periodo. Esta descripción incluye atributos como: Cilindros, desplazamiento, potencia y peso. con el lenguaje de programación Python. En la metodología usada se crearon los modelos, que luego fueron definidos y entrenados y después de realizar las pruebas y predicciones, las métricas de validación determinaron la precisión y efectividad de estos modelos. De los resultados obtenidos se concluye que el modelo es bueno dado que proporcionó una precisión del 85% por lo que finalmente con estos modelos se podrán realizar predicciones confiables en cuanto a la efectividad.

Descargas

Publicado

2024-06-30

Cómo citar

Nivela Cornejo, M. A. (2024). Modelo predictivo usando Machine Learning para determinar millas por galón. Código Científico Revista De Investigación, 5(1), 1528–1545. https://doi.org/10.55813/gaea/ccri/v5/n1/467