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

Batista-Mendoza, Gloris and Cedeño Herrera, Edwin Juvenal and Cedeño-Batista, Gloris (2023) Machine learning aplicado al análisis de un set de datos de parámetros ambientales en galpones de pollos de engorde. Visión Antataura, 7 (2). pp. 121-146. ISSN 2520-9892

Text (PDF)
3700 - Published Version
Available under License Creative Commons Attribution Non-commercial Share Alike.
Download (2kB)

Official URL: https://revistas.up.ac.pa/index.php/antataura/issu...

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.

Item Type:	Article
Uncontrolled Keywords:	Agromática, análisis de datos, aprendizaje supervisado, inteligencia artificial, ciencia de datos, regresión logística
Subjects:	Q Science > Q Science (General) S Agriculture > S Agriculture (General) S Agriculture > SF Animal culture T Technology > T Technology (General)
Depositing User:	Fergie Pineda
Date Deposited:	17 Jan 2024 18:47
Last Modified:	17 Jan 2024 18:47
URI:	http://up-rid.up.ac.pa/id/eprint/7164

Actions (login required)

View Item