Resumen de Modelo predictivo de la potabilidad del agua mediante un árbol de decisión en Inteligencia Artificial
Angel Alexis Zevallos Apaza, Sofía Sair Onque Gárate, Arian Eduardo Javier Canaza Cuadros, Paulina Miriam Choqueneira Ccasa
- español
En este trabajo se planteó como objetivo utilizar la técnica de árbol de decisión para definir un modelo capaz de predecir la potabilidad del agua. Para evaluar el rendimiento de la clasificación del árbol de decisión se utilizó un dataset extraído de Kaggle que cuenta con 3276 muestras de agua divididas por la variable de potabilidad. Aplicando las librerías Pandas y Scikit Learn se logró definir un modelo basado en un árbol de decisión evaluado con las métricas de precisión, exactitud, exhaustividad y puntuación F1 logrando 0.77, 0.80, 0.85 y 0.81 respectivamente.
- English
The objective of this work was to use the decision tree technique to define a model capable of predicting water potability. To evaluate the performance of the decision tree classification, a dataset extracted from Kaggle was used, which has 3276 water samples divided by the potability variable. Applying the Pandas and Scikit Learn libraries, a model based on a decision tree evaluated with the metrics of precision, accuracy, completeness, and F1 score was defined, achieving 0.77, 0.80, 0.85, and 0.81, respectively.
