Distribución Real del Estado de la Flota de Taxis
Figura 1: Gráfico analítico que muestra el balance operativo entre unidades estables (verde) y unidades con averías reportadas (rojo) en Taxi Kal.
Respuesta:
A continuación se detallan los resultados numéricos obtenidos directamente del algoritmo sobre el conjunto de validación (30% de los datos de la flota), los cuales corresponden fielmente a los valores analizados de exactitud y sensibilidad:
| Estado Predicho | Real: Funcionando (0) | Real: Fallas (1) | Total Real |
|---|---|---|---|
| Funcionando (0) | 92 | 0 | 92 |
| Fallas (1) | 10 | 18 | 28 |
Basado en los datos de la evaluación del modelo, los indicadores calculados de esta matriz corresponden a:
Nota: El archivo estructurado formalmente en formato Excel con las fórmulas automatizadas requeridas ha sido generado bajo el nombre de Matriz_Confusion_Taxis.xlsx.
Respuesta:
El modelo obtuvo una precisión (accuracy) de 0.80, lo que significa que acertó en el 80% de las predicciones realizadas. En términos generales, este resultado indica que el modelo tiene un buen desempeño al clasificar si un taxi se encuentra en estado de “Funcionando” o presenta “Fallas”. Sin embargo, para evaluar su rendimiento de manera más completa, es necesario analizar cómo se comporta en cada clase por separado.
En el caso de la clase “Fallas” (etiqueta 1), el modelo alcanzó un F1-Score of 0.45, un valor que refleja un desempeño moderado en la identificación de estos casos. Esto se debe a que, aunque algunas predicciones de fallas fueron correctas, el modelo tuvo dificultades para detectar una parte importante de ellas.
Esta situación se evidencia en el recall de 0.38, lo que indica que solo logró identificar correctamente el 38% de los taxis que realmente presentaban fallas. En consecuencia, aunque el modelo muestra buenos resultados generales, aún requiere mejoras para detectar con mayor eficacia los casos de fallas.