Para un criador comercial de cangrejos, conocer la edad correcta del cangrejo les ayuda a decidir si cosechar los cangrejos y cuándo. Más allá de cierta edad, hay un crecimiento insignificante en las características físicas del cangrejo y, por lo tanto, es importante cronometrar la cosecha para reducir el costo y aumentar las ganancias.

Estos Datos fueron extraidos de la plataforma kaggle Dataset con 3893 Observaciones.

Este conjunto de datos contiene información sobre diferentes características de los cangrejos. Las variables incluidas son:

Columnas:

•  Sex: Género del cangrejo (Macho, Hembra, Indeterminado).
•  Length: Longitud del cangrejo (en pies; 1 pie = 30.48 cm).
•  Diameter: Diámetro del cangrejo (en pies; 1 pie = 30.48 cm).
•  Height: Altura del cangrejo (en pies; 1 pie = 30.48 cm).
•  Weight: Peso del cangrejo (en onzas; 1 libra = 16 onzas).
•  Shucked Weight: Peso del cangrejo sin cáscara (en onzas; 1 libra = 16 onzas).
•  Viscera Weight: Peso de las vísceras del cangrejo (en onzas; 1 libra = 16 onzas).
•  Shell Weight: Peso de la cáscara del cangrejo (en onzas; 1 libra = 16 onzas).
•  Age: Edad del cangrejo (en meses).

• El primer objetivo es identificar cuáles de las variables disponibles (sexo, longitud, diámetro, altura, peso total, peso sin cáscara, peso de las vísceras y peso de la cáscara) tienen una correlación más fuerte con la edad del cangrejo.

Al identificar las variables más influyentes en la determinación de la edad, podemos enfocarnos en medir y registrar estas variables de manera más precisa y eficiente, reduciendo costos operativos.

• El segundo objetivo es desarrollar un modelo de machine learning que permita predecir la edad de un cangrejo en función de sus características físicas.

Un modelo preciso permitirá a los criadores tomar decisiones más informadas sobre cuándo cosechar los cangrejos, maximizando así sus ganancias.

• Recopilación de datos: Se utilizará el conjunto de datos de Kaggle "crab-age-prediction".
• Preprocesamiento de datos: Limpieza, transformación y normalización de los datos.
• Exploración de datos: Análisis exploratorio de los datos para identificar patrones y relaciones.
• Modelado: Entrenamiento de diferentes modelos de machine learning (regresión lineal, random forest, etc.).
• Evaluación: Evaluación de los modelos utilizando métricas como RMSE y R².
• Deployment:

• Python
• Pandas
• NumPy
• Scikit-learn
• Feature-Engine
• Tensorflow

• [Diego Sanchez]:
• [Andres Martinez]:

🦀¿Sabías que la edad de un cangrejo puede estar estrechamente relacionada con características como su longitud, diámetro y peso?

En nuestro análisis exploratorio, descubrimos patrones sorprendentes que podrían ayudarte a entender mejor a estos fascinantes crustáceos. Por ejemplo, la siguiente visualización muestra cómo el Sexo del cagrejo puede ser identificado apartir de una cierta edad:

💡 Si quieres explorar más hallazgos como este y ver cómo llegamos a estas conclusiones, te invitamos a revisar el notebook completo de análisis exploratorio aquí. Notebooks/eda_data.ipynb

1. División de los datos:

Se realizó una división de los datos en un 80 % para entrenamiento y un 20 % para validación, asegurando que la distribución de la variable objetivo fuera consistente en ambos conjuntos.

3. Preprocesamiento:

   • Codificación: La variable categórica Sex fue transformada utilizando la técnica de One-Hot Encoding, para representar cada categoría como columnas binarias.
   • Escalado: Las variables numéricas fueron escaladas para garantizar una mejor convergencia y desempeño de los modelos que son sensibles a magnitudes diferentes, como Support Vector Regression (SVR) o Redes Neuronales.

4. Evaluación de algoritmos:

Después de probar diferentes algoritmos de regresión, los mejores resultados se obtuvieron con:

El modelo XGBoost logra explicar el 57% de la variabilidad presente en los datos, lo que representa una capacidad significativa para identificar patrones clave y generar predicciones fiables. Este nivel de precisión puede traducirse en mejores decisiones informadas para el productor, permitiéndole optimizar recursos, reducir incertidumbre y enfocar estrategias en áreas críticas para el negocio.

Estos modelos demostraron ser los más prometedores para la predicción de la edad del cangrejo, logrando un balance adecuado entre precisión y generalización. Sin embargo, existe espacio para futuras mejoras mediante el ajuste de hiperparámetros más exhaustivo ,técnicas de ensamblado o cambiar el enfoque a un problema de clasificación realizando discretización.