iabd06/Clasificador_de_la_calidad_del_agua

Clasificador de Calidad de Agua - Modelo SVM

Este repositorio contiene un modelo de clasificación entrenado para predecir la calidad del agua en base a varios parámetros. El modelo ha sido entrenado usando un Support Vector Machine (SVM) con un kernel RBF.

Descripción del Modelo

El modelo utiliza un Support Vector Classifier (SVC) de scikit-learn con un kernel RBF para clasificar la calidad del agua. El objetivo es predecir la variable Calidad_Agua basada en 4 características:

• pH: El nivel de acidez del agua.
• Turbidez: La medida de la transparencia del agua.
• Temperatura: La temperatura del agua.
• Contaminantes: La cantidad de contaminantes presentes en el agua.

Parámetros del modelo

• kernel='rbf': Se utilizó un kernel radial base (RBF), ideal para problemas no lineales como este.
• C=10: Este parámetro controla el grado de penalización por errores de clasificación. Un valor más alto implica un menor margen de error, lo que puede llevar a un mejor ajuste del modelo a los datos de entrenamiento.
• random_state=200: Se establece una semilla fija para garantizar la reproducibilidad en la partición de los datos y el entrenamiento del modelo.
• test_size=0.25: El 25% de los datos se reservaron para evaluar el modelo, mientras que el 75% restante se usó para entrenamiento.

El modelo fue entrenado utilizando el siguiente dataset: iabd06/agua_dataset.

Procedimiento de Entrenamiento

1. Carga del dataset:

   • Se cargó el dataset agua_dataset desde Hugging Face utilizando la librería datasets.

2. Preprocesamiento de datos:

   • Las características (pH, Turbidez, Temperatura) se extrajeron y se separaron de la variable objetivo Calidad_Agua.
   • Los datos fueron normalizados utilizando MinMaxScaler, que escala las características entre 0 y 1 para que el modelo pueda trabajar de manera más eficiente.
   • Codificación de Contaminantes: Si los datos ya están codificados en el CSV, no es necesario usar el OrdinalEncoder. Los valores de Contaminantes ya están en formato numérico.

3. Entrenamiento del modelo:

   • Se utilizó un Support Vector Machine (SVM) con un kernel RBF y el parámetro C=10, que controla la penalización de los errores. El modelo se entrenó con el 75% de los datos, y el 25% restante se utilizó para evaluar su rendimiento.

4. Evaluación del modelo:

   • El rendimiento del modelo se evaluó utilizando el 25% de los datos que no se usaron para entrenar el modelo, lo que permitió verificar la precisión y eficacia del clasificador.

5. Guardado del modelo:

   • El modelo entrenado, el escalador utilizado para normalizar los datos se guardaron usando la librería joblib. Esto permite cargar el modelo más tarde y hacer predicciones sin necesidad de volver a entrenarlo.

Puedes encontrar el script para entrenar el modelo aquí.