Machine learning aplicado al análisis de un set de datos de parámetros ambientales en galpones de pollos de engorde
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 r...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Universidad de Panamá
2023-12-01
|
| Series: | Visión Antataura |
| Subjects: | |
| Online Access: | https://revistas.up.ac.pa/index.php/antataura/article/view/4566 |
| _version_ | 1797357450214506496 |
|---|---|
| author | Gloris Batista-Mendoza Edwin Juvenal Cedeño Herrera Gloris Cedeño-Batista |
| author_facet | Gloris Batista-Mendoza Edwin Juvenal Cedeño Herrera Gloris Cedeño-Batista |
| author_sort | Gloris Batista-Mendoza |
| collection | DOAJ |
| description |
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.
|
| first_indexed | 2024-03-08T14:45:15Z |
| format | Article |
| id | doaj.art-ab4db6b1eb424145a1046c70736ad8c6 |
| institution | Directory Open Access Journal |
| issn | 2309-6373 2520-9892 |
| language | Spanish |
| last_indexed | 2024-03-08T14:45:15Z |
| publishDate | 2023-12-01 |
| publisher | Universidad de Panamá |
| record_format | Article |
| series | Visión Antataura |
| spelling | doaj.art-ab4db6b1eb424145a1046c70736ad8c62024-01-11T13:13:29ZspaUniversidad de PanamáVisión Antataura2309-63732520-98922023-12-017210.48204/j.vian.v7n2.a4566Machine learning aplicado al análisis de un set de datos de parámetros ambientales en galpones de pollos de engordeGloris Batista-Mendoza0Edwin Juvenal Cedeño Herrera1Gloris Cedeño-Batista2Universidad de Panama, Facultad de Informática, Electrónica y Comunicación, PanamáUniversidad de Panama, Facultad de Informática, Electrónica y Comunicación, PanamáUniversidad de Panama, Facultad de Informática, Electrónica y Comunicación, Panamá 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. https://revistas.up.ac.pa/index.php/antataura/article/view/4566Agromáticaanálisis de datosaprendizaje supervisadointeligencia artificialciencia de datosregresión logística |
| spellingShingle | Gloris Batista-Mendoza Edwin Juvenal Cedeño Herrera Gloris Cedeño-Batista Machine learning aplicado al análisis de un set de datos de parámetros ambientales en galpones de pollos de engorde Visión Antataura Agromática análisis de datos aprendizaje supervisado inteligencia artificial ciencia de datos regresión logística |
| title | Machine learning aplicado al análisis de un set de datos de parámetros ambientales en galpones de pollos de engorde |
| title_full | Machine learning aplicado al análisis de un set de datos de parámetros ambientales en galpones de pollos de engorde |
| title_fullStr | Machine learning aplicado al análisis de un set de datos de parámetros ambientales en galpones de pollos de engorde |
| title_full_unstemmed | Machine learning aplicado al análisis de un set de datos de parámetros ambientales en galpones de pollos de engorde |
| title_short | Machine learning aplicado al análisis de un set de datos de parámetros ambientales en galpones de pollos de engorde |
| title_sort | machine learning aplicado al analisis de un set de datos de parametros ambientales en galpones de pollos de engorde |
| topic | Agromática análisis de datos aprendizaje supervisado inteligencia artificial ciencia de datos regresión logística |
| url | https://revistas.up.ac.pa/index.php/antataura/article/view/4566 |
| work_keys_str_mv | AT glorisbatistamendoza machinelearningaplicadoalanalisisdeunsetdedatosdeparametrosambientalesengalponesdepollosdeengorde AT edwinjuvenalcedenoherrera machinelearningaplicadoalanalisisdeunsetdedatosdeparametrosambientalesengalponesdepollosdeengorde AT gloriscedenobatista machinelearningaplicadoalanalisisdeunsetdedatosdeparametrosambientalesengalponesdepollosdeengorde |