Identificacion de la variable dependente e independientes
cat("Variable dependiente: Inventario")
Variable dependiente: Inventario
cat("Variables independientes: Demanda, tendencias, costo de almacenamiento")
Variables independientes: Demanda, tendencias, costo de almacenamiento
# Cargar el paquete necesario
library(rpart)
Warning: package 'rpart' was built under R version 4.2.3
# Crear un dataframe con los datos históricos de demanda, tendencias estacionales y costos de almacenamiento
datos <- data.frame(
demanda = c(100, 150, 200, 120, 180),
tendencia = c(0.8, 1.2, 1.5, 0.9, 1.1),
costo_almacenamiento = c(10, 15, 12, 11, 13)
)
# Crear una variable objetivo que representa la cantidad de inventario a almacenar
datos$inventario <- c(50, 75, 100, 60, 90)
datos$inventario
[1] 50 75 100 60 90
# Entrenar el modelo de árbol de decisiones
modelo <- rpart(inventario ~ demanda + tendencia + costo_almacenamiento, data = datos)
modelo
n= 5
node), split, n, deviance, yval
* denotes terminal node
1) root 5 1700 75 *
summary(modelo)
Call:
rpart(formula = inventario ~ demanda + tendencia + costo_almacenamiento,
data = datos)
n= 5
CP nsplit rel error xerror xstd
1 0.01 0 1 0 0
Node number 1: 5 observations
mean=75, MSE=340
# Hacer una predicción utilizando nuevos datos
nuevos_datos <- data.frame(
demanda = c(130, 160, 190),
tendencia = c(0.95, 1.1, 1.3),
costo_almacenamiento = c(14, 16, 18)
)
prediccion <- predict(modelo, nuevos_datos)
prediccion
[1] 75 75 75
# Imprimir la predicción
print(prediccion)
[1] 75 75 75
arbol_decision <- rpart(inventario ~ demanda + tendencia + costo_almacenamiento, data = datos, method = "class")
arbol_decision
n= 5
node), split, n, loss, yval, (yprob)
* denotes terminal node
1) root 5 4 50 (0.2 0.2 0.2 0.2 0.2) *