Machine learning aplicado al análisis de un set de datos de parámetros ambientales en galpones de pollos de engorde

Abstract

Este artículo trata sobre el desarrollo de un modelo de Machine Learning aplicado a un conjunto de datos recopilados en una granja avícola. Su objetivo es obtener un modelo predictivo basado en variables ambientales para anticipar eventos futuros. Este modelo predictivo busca optimizar decisiones relacionadas con el bienestar ambiental de las aves y reducir costos de producción en proyectos avícolas. Para esta investigación, se obtuvo el set de datos del sistema "Smart Poultry Farm" como guía del desarrollo, se utilizó la metodología SEMMA y el lenguaje de programación Python en el entorno IDE Google Colaboratory. El modelo se construyó mediante el algoritmo de regresión logística binomial en el contexto de aprendizaje supervisado. La evaluación del modelo predictivo incluyó la matriz de confusión y métricas como: el Índice General de Calidad, Precisión, Sensibilidad, Especificidad y F1-Score. Se aplicaron distintos escenarios para anticipar la activación/desactivación de los ventiladores del galpón, en función de los parámetros ambientales: humedad, temperatura e índice de calor.

Keywords

• Agromática
• análisis de datos
• aprendizaje supervisado
• inteligencia artificial
• ciencia de datos
• regresión logística