MachineLearning

Ejercicio de machine learning

Predicción de Temperatura con Regresión Lineal

Este repositorio contiene un simple script en Python para predecir la temperatura en grados Fahrenheit a partir de la temperatura en grados Celsius utilizando un modelo de regresión lineal. El script utiliza las bibliotecas pandas, seaborn, y scikit-learn.

Instrucciones de Uso

1. Clona este repositorio:

   git clone https://github.com/tu_usuario/tu-repositorio.git

2. Asegúrate de tener Python instalado en tu sistema.

3. Instala las dependencias:

   pip install pandas seaborn scikit-learn

4. Ejecuta el script:

   python temperatura_prediction.py

Descripción del Código

El script realiza las siguientes operaciones:

1. Importa las bibliotecas necesarias:

   import pandas as pd
   import seaborn as sb
   from sklearn.linear_model import LinearRegression

2. Carga datos desde un archivo CSV y muestra información sobre los datos:

   datos = pd.read_csv("celcius.csv")
   datos.info()

3. Muestra las primeras filas de los datos:

   datos.head()

4. Crea un gráfico de dispersión utilizando Seaborn:

   sb.scatterplot(x="celcios", y="fahrenheit", data=datos, hue="fahrenheit", palette="coolwarm")

5. Define características (X) y etiquetas (Y):

   X = datos["celcios"]
   Y = datos["fahrenheit"]

6. Procesa las características y etiquetas para que tengan la forma adecuada:

   X_procesada = X.values.reshape(-1, 1)
   Y_procesada = Y.values.reshape(-1, 1)

7. Crea un modelo de regresión lineal:

   modelo = LinearRegression()

8. Entrena el modelo con las características y etiquetas procesadas:

   modelo.fit(X_procesada, Y_procesada)

9. Realiza una predicción para un valor específico (por ejemplo, 8):

   prediccion = modelo.predict([[8]])
   print(f"Para 8 grados Celsius, la predicción es {prediccion[0][0]} grados Fahrenheit")

10. Ingresa nuevos grados Celsius para realizar una predicción y muestra el resultado:

    celcius = 1233
    prediccion = modelo.predict([[celcius]])
    print(f"{celcius} grados Celsius son aproximadamente {prediccion[0][0]:.2f} grados Fahrenheit")

11. Evalúa el rendimiento del modelo:

    rendimiento_modelo = modelo.score(X_procesada, Y_procesada)
    print(f"El rendimiento del modelo es: {rendimiento_modelo:.2%}")

Creado por Nahataen