Scribd
Cargar
91 vistas2 páginas

Predicción de Consumo de Autos

El documento describe el uso de regresión lineal para predecir el rendimiento de combustible (kilómetros por galón) de autos basado en sus características. Se cargan datos de autos desde un archivo Excel, se dividen en conjuntos de entrenamiento y prueba, se entrena un modelo de regresión lineal en el conjunto de entrenamiento y se evalúa su precisión en el conjunto de prueba calculando el error cuadrático medio.

Cargado por

fernanda yataco
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
91 vistas2 páginas

Predicción de Consumo de Autos

El documento describe el uso de regresión lineal para predecir el rendimiento de combustible (kilómetros por galón) de autos basado en sus características. Se cargan datos de autos desde un archivo Excel, se dividen en conjuntos de entrenamiento y prueba, se entrena un modelo de regresión lineal en el conjunto de entrenamiento y se evalúa su precisión en el conjunto de prueba calculando el error cuadrático medio.

Cargado por

fernanda yataco
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

18/11/23, 20:53 Untitled0.

ipynb - Colaboratory

!pip install pandas scikit-learn

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from [Link] import mean_squared_error
import [Link] as plt

# Cargar los datos desde el archivo Excel


url = '/content/[Link]' # Reemplaza 'URL_DEL_ARCHIVO_EXCEL' con la URL del archivo en Colab
df = pd.read_excel(url)

# Seleccionar las columnas relevantes para la regresión


features = ['Base_de_ruedas', 'Caballos_de_fuerza', 'Revoluciones_por_minuto']
target = 'Kilometros_por_galon'

X = df[features]
y = df[target]

# Dividir el conjunto de datos en entrenamiento y prueba


X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Inicializar el modelo de regresión lineal


model = LinearRegression()

# Entrenar el modelo
[Link](X_train, y_train)

# Realizar predicciones en el conjunto de prueba


y_pred = [Link](X_test)

# Calcular el error cuadrático medio


mse = mean_squared_error(y_test, y_pred)
print(f'Error Cuadrático Medio: {mse}')

# Visualizar los resultados (opcional)


[Link](X_test['Caballos_de_fuerza'], y_test, color='black', label='Datos reales')
[Link](X_test['Caballos_de_fuerza'], y_pred, color='blue', label='Predicciones')
[Link]('Caballos de fuerza')
[Link]('Kilometros por galon')
[Link]()
[Link]()

# Mostrar todos los campos de la data


pd.set_option('display.max_columns', None)
print(df)

[Link] 1/2
18/11/23, 20:53 [Link] - Colaboratory

Requirement already satisfied: pandas in /usr/local/lib/python3.10/dist-packages (


Requirement already satisfied: scikit-learn in /usr/local/lib/python3.10/dist-pack
Requirement already satisfied: python-dateutil>=2.8.1 in /usr/local/lib/python3.10
Requirement already satisfied: pytz>=2020.1 in /usr/local/lib/python3.10/dist-pack
Requirement already satisfied: numpy>=1.21.0 in /usr/local/lib/python3.10/dist-pac
Requirement already satisfied: scipy>=1.3.2 in /usr/local/lib/python3.10/dist-pack
Requirement already satisfied: joblib>=1.1.1 in /usr/local/lib/python3.10/dist-pac
Requirement already satisfied: threadpoolctl>=2.0.0 in /usr/local/lib/python3.10/d
Requirement already satisfied: six>=1.5 in /usr/local/lib/python3.10/dist-packages
Error Cuadrático Medio: 10.269086367012369

Marca Tipo_de_carroceria Base_de_ruedas Tipo_de_motor \


0 alfa-romero convertible 88.6 dohc
1 alfa-romero hatchback 94.5 ohcv
2 audi sedan 99.8 ohc
3 audi sedan 99.4 ohc
4 audi sedan 105.8 ohc
.. ... ... ... ...
155 volvo sedan 109.1 ohc
156 volvo sedan 109.1 ohc
157 volvo sedan 109.1 ohcv
158 volvo sedan 109.1 ohc
159 volvo sedan 109.1 ohc

Caballos_de_fuerza Revoluciones_por_minuto Kilometros_por_galon Precio


0 111 5000 27 16500
1 154 5000 26 16500

[Link] 2/2

También podría gustarte