Este proyecto corresponde al Módulo 6 del Bootcamp de Ciencia de Datos.
El objetivo fue evaluar cómo los factores climáticos afectan la producción agrícola en distintos países, aplicando técnicas de regresión y clasificación supervisada, junto con optimización de modelos y análisis de resultados.

🌐 Repositorio

🛠️ Tecnologías usadas

  • Python (Pandas, NumPy, Scikit-learn, Matplotlib, Seaborn)
  • Modelos de regresión y clasificación
  • Optimización de hiperparámetros con GridSearchCV

📋 Requerimientos implementados

  1. 📊 Carga y Exploración de Datos
    • Dataset con variables de clima y producción agrícola.
    • Análisis de nulos, tipos de datos y descripción estadística.
  2. ⚙️ Preprocesamiento y Escalamiento
    • One-Hot Encoding para variables categóricas (País).
    • Normalización de variables numéricas con StandardScaler.
    • División en conjunto de entrenamiento (80%) y prueba (20%).
  3. 🤖 Modelos de Aprendizaje Supervisado
    • Regresión:
      • Regresión lineal y polinómica.
      • Árboles de decisión y Random Forest.
      • Métricas: MAE, MSE, R².
    • Clasificación:
      • Variable categórica Impacto (Bajo, Medio, Alto).
      • Modelos: KNN, Árbol de Decisión, SVM.
      • Métricas: Accuracy, Precisión, Recall, F1-Score.
      • Curvas ROC-AUC para clases multiclase.
  4. 🔧 Optimización de Modelos
    • Random Forest: ajuste de max_depth, min_samples_split y n_estimators.
    • SVM: ajuste de C, gamma y kernel.
    • Regularización con Ridge y Lasso.
  5. 📈 Análisis de Resultados y Conclusiones
    • Comparación de desempeño entre modelos lineales, polinómicos y basados en árboles.
    • Evaluación de clasificadores según métricas y curvas ROC.

🎯 Resultados principales

  • Regresiones lineales y polinómicas: R² bajo o negativo → modelos poco adecuados.
  • Random Forest y Árboles de Decisión: mejores resultados de predicción (capturan interacciones).
  • Clasificación:
    • KNN y Árbol de Decisión → Accuracy ≈ 0.80 y F1 ≈ 0.82.
    • SVM → Accuracy ≈ 0.60 y F1 ≈ 0.45 (mejoró a ≈ 0.66 tras GridSearchCV).

📊 Visualizaciones

Algunas de las visualizaciones generadas en este módulo:

  • Figuras : Curvas ROC para clases Bajo, Medio y Alto
    Figura 1

Figura 1

Figura 1

📝 Reflexiones del Ejercicio

  • 📌 Los modelos lineales y polinómicos no son adecuados para este problema: mostraron R² muy bajos o negativos.
  • 📌 Árboles de Decisión y Random Forest ofrecieron el mejor rendimiento al capturar interacciones complejas.
  • 📌 Los modelos de clasificación KNN y Árbol separaron de forma confiable los países según impacto climático, mientras que SVM tuvo dificultades incluso tras optimización.
  • 📌 La optimización con GridSearchCV mejoró ligeramente SVM, pero quedó limitado por el tamaño del dataset.
  • 📌 Estos resultados sugieren que la seguridad alimentaria global se analiza mejor con modelos basados en árboles, ya que permiten interpretar relaciones no lineales entre clima y producción agrícola.

✍️ Autor: Liroy Cataldo