caso de uso
El modelo que predice el futuro mirando el futuro — Mundo Real
Caso de uso 4: Industria: movilidad / asistencia en carretera. Nivel: Medio. 7 lecciones, 5 días simulados. Forecasting de demanda sobre una serie temporal (sin ARIMA). Datasets descargables.
para este caso necesitas…
El caso da por sabido lo que se enseña en estos módulos de Entrenamiento. Puedes entrar ya; si algo no te suena, el módulo está a un clic.
Bienvenida a CoberturaYa
Tu cuarto encargo, nivel medio: ahora las filas no son independientes sino una serie temporal, y eso trae una trampa al evaluar.
Lunes: montar el repo y mirar los datos
Cargar los cinco extractos y entender la pieza clave: el histórico es un aviso por fila, pero el modelo necesita una serie por zona, fecha y hora.
Martes: limpiar, agregar la serie y fabricar las features
Limpiar y agregar los avisos a una serie por zona, fecha y hora, cazar los huecos, y fabricar los lags, las medias móviles y el calendario.
Miércoles: el primer modelo y leer el error en servicios/hora
Partir al azar y entrenar un bosque aleatorio: da un R² buenísimo de 0,91 y parece que lo clavaste. Nadie sabe aún por qué va tan bien.
Jueves A: el split al azar deja ver el futuro
Se te cae el 0,91: partir las horas al azar entrena con el futuro para predecir el pasado. Demostrar la fuga y ver qué datos no se parten al azar.
Jueves B: el número honesto, split por tiempo
Reevaluar el mismo modelo partiendo por tiempo: el error sube de 0,97 a 2,5 servicios/hora. El modelo no cambió, cambió cómo lo mides; y aun así gana a la referencia de hace 14 días.
Viernes: predecir los próximos turnos y que se fíen del número
Predecir la demanda de los tramos futuros, traducirla a operadores por turno, montar las figuras y escribir el one-pager con el error honesto.