Ciencia de datos · junio 2026 Entrega académica
Lluvia en datos
33.024 horas de clima en cuatro localidades: regresión, clasificación de lluvia y segmentación con K-means y PCA.
Entrega académica · a pedido
K-means · K = 5
Qué es
Un cuaderno integrado de punta a punta: limpieza con respaldo explícito de nulos, duplicados y atípicos; regresión; clasificación de lluvia; y segmentación de las horas del año.
Para seguridad operacional se recomendó bajar el umbral de clasificación: menos lluvias sin avisar, a cambio de algunas falsas alarmas.
33.024observaciones
0,9889R² de la regresión
0,8939ROC-AUC de la clasificación
5segmentos (K-means)
Lo que construí
- Regresión lineal con R² = 0,9889 y MAE = 0,287
- Árbol de decisión para lluvia con ROC-AUC = 0,8939
- Umbral 0,3: los falsos negativos bajan de 522 a 317
- Segmentación con K = 5 y PCA (66,51 % de varianza en dos componentes)
Las partes difíciles
01
Elegir el error
Con umbral 0,5 el modelo es «mejor» en F1, pero deja pasar más lluvias. Se documentó el cambio a 0,3 y su costo.