Aprendizaje automático - Predicción de Ingresos

Universidad de Antioquia - Facultad de INgeniería - Ingeniería de Sistemas

Important

Este es un proyecto con propósitos académicos para el curso de Modelos y Simulación de Sistemas II.

Artículo científico: Aplicación de aprendizaje automático para la predicción de ingresos anuales

Integrantes

• Daniel Lujan Agudelo
• Juan Pablo Arango Gaviria

API

Se realizó la implementación de una API que entrena y sirve el mejor modelo para realizar predicciones con el modelo.

Repositorio: https://github.com/daniel-lujan/income-prediction-api

Descripción Notebooks

Los notebooks se encuentran enumerados en el orden en el que deben ser ejecutados para reproducir los resultados:

1. EDA: Exploración inicial del conjunto de datos (columnas, tipos de datos, análisis multivariable, valores atípicos, datos faltantes, correlación)
2. Preprocesamiento: Tratamiento a columnas con datos faltantes, eliminación de columnas equivalentes, codificación de variables categóricas. El conjunto de datos con los tratamientos aplicados se exportaron en forma de binarios a las rutas /preprocessed-data/basic/X-preprocessed.p y /preprocessed-data/basic/y-preprocessed.p.
3. Balance de clases: Se aplicó submuestreo para balancear las clases. El conjunto de datos con las clases balanceadas se guardaron en forma de binarios en las rutas /preprocessed-data/final/X-preprocessed.p y /preprocessed-data/final/y-preprocessed.p.
4. Entrenamiento de modelos: Aplicación de 3 tipos de modelos: LogisticRegression, RandomForestClassifier y KMeans. Las predicciones de clase generadas por todos los modelos fueron guardadas como binarios en el directorio model_results.
5. Red neuronal: Se implementó una red neuronal. Se realizó una busqueda de mejor configuración de capas ocultas y se almacenaron de igual forma los resultados.
6. Análisis de resultados: Cálculo de métricas de evaluación y comparación entre los resultados de los modelos.