data <- read.csv("C:/TEC 7° Inteligencia Artificial/rentadebicis.csv")
# Usar file.choose()#EDA/Exploratory Data Analysis #aqui se hacen procesos como los caracteristicas de los datos; la estadistica descriptiva; visualización de los datos con gráficos como los de histograma; y, en caso de ser necesario, la limpieza de dichos datos. Adicionalmente, también pueden hacerse “analisis de correlacion” para medir la relación entre dos variables (usualmente numéricas)
#¿Qué se busca aquí?
#Ver tipos de variables, Detectar valores faltantes, Entender rangos, Identificar posibles relaciones
# Ejemplo de interpretación: Si temp aumenta y cnt también aumenta, podría haber relación positiva.
str(data)## 'data.frame': 10886 obs. of 14 variables:
## $ hora : int 0 1 2 3 4 5 6 7 8 9 ...
## $ dia : int 1 1 1 1 1 1 1 1 1 1 ...
## $ mes : int 1 1 1 1 1 1 1 1 1 1 ...
## $ año : int 2011 2011 2011 2011 2011 2011 2011 2011 2011 2011 ...
## $ estacion : int 1 1 1 1 1 1 1 1 1 1 ...
## $ dia_de_la_semana : int 6 6 6 6 6 6 6 6 6 6 ...
## $ asueto : int 0 0 0 0 0 0 0 0 0 0 ...
## $ temperatura : num 9.84 9.02 9.02 9.84 9.84 ...
## $ sensacion_termica : num 14.4 13.6 13.6 14.4 14.4 ...
## $ humedad : int 81 80 80 75 75 75 80 86 75 76 ...
## $ velocidad_del_viento : num 0 0 0 0 0 ...
## $ rentas_de_no_registrados: int 3 8 5 3 0 0 2 1 1 8 ...
## $ rentas_de_registrados : int 13 32 27 10 1 1 0 2 7 6 ...
## $ rentas_totales : int 16 40 32 13 1 1 2 3 8 14 ...#Muestra: Número de observaciones, Número de variables, Tipo de cada variable (numérica, caracter, etc.)
#Esto te permite verificar si: Las variables están en el formato correcto. No hay errores en la carga.
summary(data)## hora dia mes año
## Min. : 0.00 Min. : 1.000 Min. : 1.000 Min. :2011
## 1st Qu.: 6.00 1st Qu.: 5.000 1st Qu.: 4.000 1st Qu.:2011
## Median :12.00 Median :10.000 Median : 7.000 Median :2012
## Mean :11.54 Mean : 9.993 Mean : 6.521 Mean :2012
## 3rd Qu.:18.00 3rd Qu.:15.000 3rd Qu.:10.000 3rd Qu.:2012
## Max. :23.00 Max. :19.000 Max. :12.000 Max. :2012
## estacion dia_de_la_semana asueto temperatura
## Min. :1.000 Min. :1.000 Min. :0.00000 Min. : 0.82
## 1st Qu.:2.000 1st Qu.:2.000 1st Qu.:0.00000 1st Qu.:13.94
## Median :3.000 Median :4.000 Median :0.00000 Median :20.50
## Mean :2.507 Mean :4.014 Mean :0.02857 Mean :20.23
## 3rd Qu.:4.000 3rd Qu.:6.000 3rd Qu.:0.00000 3rd Qu.:26.24
## Max. :4.000 Max. :7.000 Max. :1.00000 Max. :41.00
## sensacion_termica humedad velocidad_del_viento
## Min. : 0.76 Min. : 0.00 Min. : 0.000
## 1st Qu.:16.66 1st Qu.: 47.00 1st Qu.: 7.002
## Median :24.24 Median : 62.00 Median :12.998
## Mean :23.66 Mean : 61.89 Mean :12.799
## 3rd Qu.:31.06 3rd Qu.: 77.00 3rd Qu.:16.998
## Max. :45.45 Max. :100.00 Max. :56.997
## rentas_de_no_registrados rentas_de_registrados rentas_totales
## Min. : 0.00 Min. : 0.0 Min. : 1.0
## 1st Qu.: 4.00 1st Qu.: 36.0 1st Qu.: 42.0
## Median : 17.00 Median :118.0 Median :145.0
## Mean : 36.02 Mean :155.6 Mean :191.6
## 3rd Qu.: 49.00 3rd Qu.:222.0 3rd Qu.:284.0
## Max. :367.00 Max. :886.0 Max. :977.0#Muestra estadísticas descriptivas: Para variables numéricas como Mínimo, Máximo, Media, Mediana, Cuartiles; y Para factores:Frecuencias#OJO: Aqui se esta creando un modelo de regresion lineal MULTIPLE ya que son varias variables a analisar
regresion <- lm(rentas_totales~factor(hora)+factor(dia)+factor(mes)
+año+factor(dia_de_la_semana)+sensacion_termica
+humedad+velocidad_del_viento, data=data)
#El codigo anterior se interpreta a la variable de "rentas totales" como independiente
#EL uso de "factor()" es para cambiar el tipo de dato a por ejemplo numéricas continuas y asi, al convertirlo en factor, se crean variables dummy además de comparar cada categoria contra la categoria base
summary(regresion)##
## Call:
## lm(formula = rentas_totales ~ factor(hora) + factor(dia) + factor(mes) +
## año + factor(dia_de_la_semana) + sensacion_termica + humedad +
## velocidad_del_viento, data = data)
##
## Residuals:
## Min 1Q Median 3Q Max
## -370.40 -61.37 -6.55 51.96 440.24
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -1.762e+05 3.972e+03 -44.364 < 2e-16 ***
## factor(hora)1 -1.764e+01 6.736e+00 -2.618 0.008845 **
## factor(hora)2 -2.765e+01 6.761e+00 -4.089 4.36e-05 ***
## factor(hora)3 -3.855e+01 6.826e+00 -5.648 1.66e-08 ***
## factor(hora)4 -3.908e+01 6.797e+00 -5.749 9.19e-09 ***
## factor(hora)5 -2.282e+01 6.762e+00 -3.375 0.000741 ***
## factor(hora)6 3.597e+01 6.754e+00 5.325 1.03e-07 ***
## factor(hora)7 1.697e+02 6.745e+00 25.156 < 2e-16 ***
## factor(hora)8 3.132e+02 6.735e+00 46.498 < 2e-16 ***
## factor(hora)9 1.636e+02 6.738e+00 24.284 < 2e-16 ***
## factor(hora)10 1.075e+02 6.759e+00 15.899 < 2e-16 ***
## factor(hora)11 1.333e+02 6.800e+00 19.598 < 2e-16 ***
## factor(hora)12 1.718e+02 6.844e+00 25.099 < 2e-16 ***
## factor(hora)13 1.666e+02 6.896e+00 24.165 < 2e-16 ***
## factor(hora)14 1.485e+02 6.934e+00 21.420 < 2e-16 ***
## factor(hora)15 1.586e+02 6.943e+00 22.839 < 2e-16 ***
## factor(hora)16 2.223e+02 6.933e+00 32.064 < 2e-16 ***
## factor(hora)17 3.792e+02 6.893e+00 55.017 < 2e-16 ***
## factor(hora)18 3.461e+02 6.853e+00 50.497 < 2e-16 ***
## factor(hora)19 2.377e+02 6.800e+00 34.956 < 2e-16 ***
## factor(hora)20 1.563e+02 6.768e+00 23.096 < 2e-16 ***
## factor(hora)21 1.067e+02 6.745e+00 15.822 < 2e-16 ***
## factor(hora)22 7.167e+01 6.734e+00 10.642 < 2e-16 ***
## factor(hora)23 3.169e+01 6.728e+00 4.710 2.50e-06 ***
## factor(dia)2 4.661e+00 6.010e+00 0.776 0.438043
## factor(dia)3 1.098e+01 6.018e+00 1.824 0.068110 .
## factor(dia)4 1.455e+01 6.007e+00 2.421 0.015479 *
## factor(dia)5 9.545e+00 6.006e+00 1.589 0.112063
## factor(dia)6 1.350e+01 6.009e+00 2.247 0.024649 *
## factor(dia)7 2.588e+00 6.003e+00 0.431 0.666368
## factor(dia)8 5.630e-02 5.999e+00 0.009 0.992512
## factor(dia)9 1.175e+01 6.008e+00 1.956 0.050487 .
## factor(dia)10 9.053e+00 6.022e+00 1.503 0.132788
## factor(dia)11 1.372e+01 6.034e+00 2.273 0.023018 *
## factor(dia)12 1.172e+01 6.016e+00 1.947 0.051503 .
## factor(dia)13 1.252e+01 6.023e+00 2.079 0.037677 *
## factor(dia)14 1.115e+01 6.010e+00 1.855 0.063574 .
## factor(dia)15 1.767e+01 6.002e+00 2.944 0.003244 **
## factor(dia)16 1.196e+01 6.005e+00 1.991 0.046509 *
## factor(dia)17 2.738e+01 6.007e+00 4.559 5.20e-06 ***
## factor(dia)18 8.182e+00 6.035e+00 1.356 0.175251
## factor(dia)19 9.357e+00 6.002e+00 1.559 0.119009
## factor(mes)2 1.029e+01 4.855e+00 2.119 0.034076 *
## factor(mes)3 3.055e+01 5.131e+00 5.954 2.70e-09 ***
## factor(mes)4 5.394e+01 5.460e+00 9.879 < 2e-16 ***
## factor(mes)5 8.399e+01 6.095e+00 13.781 < 2e-16 ***
## factor(mes)6 7.555e+01 6.780e+00 11.143 < 2e-16 ***
## factor(mes)7 5.105e+01 7.495e+00 6.811 1.02e-11 ***
## factor(mes)8 6.345e+01 7.179e+00 8.838 < 2e-16 ***
## factor(mes)9 8.809e+01 6.600e+00 13.349 < 2e-16 ***
## factor(mes)10 1.013e+02 5.828e+00 17.385 < 2e-16 ***
## factor(mes)11 8.487e+01 5.068e+00 16.745 < 2e-16 ***
## factor(mes)12 8.084e+01 5.032e+00 16.066 < 2e-16 ***
## año 8.760e+01 1.975e+00 44.359 < 2e-16 ***
## factor(dia_de_la_semana)2 1.931e+00 3.675e+00 0.526 0.599243
## factor(dia_de_la_semana)3 4.029e+00 3.662e+00 1.100 0.271250
## factor(dia_de_la_semana)4 6.044e+00 3.671e+00 1.646 0.099719 .
## factor(dia_de_la_semana)5 1.158e+01 3.695e+00 3.135 0.001725 **
## factor(dia_de_la_semana)6 1.360e+01 3.647e+00 3.730 0.000193 ***
## factor(dia_de_la_semana)7 -5.067e+00 3.652e+00 -1.387 0.165368
## sensacion_termica 4.347e+00 2.519e-01 17.261 < 2e-16 ***
## humedad -1.276e+00 6.312e-02 -20.217 < 2e-16 ***
## velocidad_del_viento -7.129e-01 1.297e-01 -5.497 3.95e-08 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 101.5 on 10823 degrees of freedom
## Multiple R-squared: 0.6877, Adjusted R-squared: 0.6859
## F-statistic: 384.4 on 62 and 10823 DF, p-value: < 2.2e-16#Esta parte es importante porque se da lo que son el coeficiente, p-values y t-values, R^2 y R^2 ajustado, el error estándar...
#COEFICIENTE: Si un coeficiente es negativo significa que esa variable reduce las rentas. POR EJEMPLO, con base a la variable de "temp = 120" se interpretaria de la siguiente manera "Por cada aumento de 1 unidad en temperatura, se rentan aproximadamente 120 bicicletas más (manteniendo lo demás constante)".
#P-VALUE: Si p < 0.05 → variable significativa
#R^2: Indica qué porcentaje de la variabilidad de "rentas totales" es explicado por el modelo. Ejemplo: R² = 0.68 → El modelo explica el 68% del comportamiento de la renta de bicicletas.#A continuacion se esta "simulando" un escenario nuevo donde introduces datos aleatorios (pero que sean alcanzables dentro de la database) y, desde ahi, predecir la cantidad estimada de bicicletas rentadas para cada mes bajo esas condiciones.
datos_nuevos <- data.frame(hora=12, dia=1, mes=1:12, año=2013, dia_de_la_semana=1, sensacion_termica=24, humedad=62, velocidad_del_viento=13)
predict(regresion, datos_nuevos)## 1 2 3 4 5 6 7 8
## 295.4226 305.7118 325.9737 349.3610 379.4141 370.9742 346.4712 358.8736
## 9 10 11 12
## 383.5170 396.7470 380.2941 376.2586Modelo altamente significativo con un poder explicativo del
69%.
Efecto del horario: Picos de rentas en horarios de 8 am y 5-6 pm.
Efecto mensual con fuerte estacionalidad.
Clima afecta de forma positiva y la humedad y velocidad del viento de
forma negativa.
…