Proyecto de Análisis y Modelado de Datos

Descripción del Proyecto

El objetivo de este proyecto es realizar un análisis exploratorio de datos (EDA) sobre cuatro conjuntos de datos, diagnosticar patrones clave y seleccionar una problemática específica para abordar (regresión, clasificación, clusterización, predicción). A partir del análisis, se seleccionará un conjunto de datos y se desarrollará un modelo predictivo que mejor se ajuste a la problemática encontrada.

Este repositorio contiene el dataset elegido, el análisis EDA inicial, y la descripción de la problemática seleccionada junto con los modelos aplicados.

Datasets Utilizados

1. Precio de casas: Contiene características de distintos domicilios.
2. Precio de autos: Contiene datos de características de autos y sus precios.
3. Lesiones: Datos de 74 atletas, donde algunos presentan lesiones.

Resumen del Análisis EDA

1. Precio de Casas

• Se observa cierta correlación entre las características de las casas y el precio.
• Modelo sugerido: Regresión. Se probaron varios modelos de regresión utilizando LazyPredict para seleccionar los más efectivos para predecir el precio de una casa en base a sus características.

2. Precio de Autos

• No se observa una correlación fuerte en la mayoría de las variables. Sin embargo, se decidió aplicar un modelo de regresión.
• Modelo sugerido: Árbol de regresión. Se aplicó LazyPredict para elegir el mejor modelo inicial y se acompañó de una búsqueda de hiperparámetros y optimización del modelo.

3. Prediccion de lesiones

• No se identifican correlaciones claras entre las variables.
• Modelo sugerido: Clasificación. Se apli modelo KGB para predecir lesiones en funcion a sus entrenamientos.
• El modelo fue optimizado utilizando LazyPredict para la selección inicial de modelos, seguido de una búsqueda de hiperparámetros.

Problema Seleccionado

Se escogió el dataset de Prediccion de lesiones. Dado que no hay correlación clara entre las características, se decidió aplicar un modelo de clasificación para predecir lesiones. El proceso incluyó:

1. Selección inicial de modelos con LazyPredict.
2. Optimización mediante búsqueda de hiperparámetros.
3. Implementación final del modelo utilizando LGB.

Instrucciones para Ejecutar

Sigue estos pasos para ejecutar el proyecto localmente:

1. Clona el repositorio:

   git clone https://github.com/Ferx096/PROYECTO2_ML.git

2. Navega a la carpeta del proyecto:

   cd PROYECTO2_ML

3. Instala las dependencias necesarias:

   pip install -r requirements.txt

4. Ejecuta los notebooks para EDA y modelado:

   jupyter notebook

Estructura del Repositorio

/Proyecto2 │ ├── /datasets │ ├── dataset1.csv │ ├── dataset2.csv │ ├── dataset3.csv │ └── dataset4.csv │ ├── /EDA │ ├── EDA_dataset1.ipynb │ ├── EDA_dataset2.ipynb │ ├── EDA_dataset3.ipynb │ └── EDA_dataset4.ipynb │ ├── /selected_dataset │ ├── selected_dataset.csv │ └── EDA_selected_dataset.ipynb │└── README.md

Autor

Fernando Cabrera Barranzuela

Licencia

Este proyecto utiliza datasets de uso público.