Caso aplicado - Taxi Kal
Se aplicó un modelo de regresión logística para clasificar el estado de los vehículos en dos categorías: Fallas y Funcionando. Para ello, se utilizaron variables como tiempo del vehículo, consumo mensual, uso medio diario, proveedor local, zona de recorrido y tecnología del motor.
| Real / Predicción | Pred 1 (Fallas) | Pred 0 (Funcionando) | Total |
|---|---|---|---|
| Real 1 (Fallas) | 49 | 43 | 92 |
| Real 0 (Funcionando) | 21 | 286 | 307 |
| Total | 70 | 329 | 399 |
La matriz de confusión muestra que el modelo clasificó correctamente 49 vehículos con fallas y 286 vehículos funcionando. Además, presentó 21 falsos positivos y 43 falsos negativos. En general, el modelo alcanzó una precisión total de 84%.
| Indicador | Valor | Interpretación |
|---|---|---|
| Accuracy | 84.0% | El modelo clasificó correctamente el 84% de los registros analizados. |
| Precision | 70.0% | De todos los vehículos clasificados como fallas, el 70% realmente presentaba fallas. |
| Recall | 53.3% | El modelo identificó correctamente el 53.3% de los vehículos que realmente tenían fallas. |
| F1 Score | 60.5% | El desempeño del modelo es moderado al equilibrar Precision y Recall. |