Caso de estudio: Predicci贸n de fallas en la flota de taxis basados en datos operativos.
Distribuci贸n de aciertos y errores tras aplicar el algoritmo de Regresi贸n Log铆stica a los 399 veh铆culos de entrenamiento:
| Predicci贸n: Funcionando (0) | Predicci贸n: Fallas (1) | Total Real | |
|---|---|---|---|
| Real: Funcionando (0) | 286 Verdadero Negativo |
21 Falso Positivo |
307 |
| Real: Fallas (1) | 43 Falso Negativo |
49 Verdadero Positivo |
92 |
| Total Predicho | 329 | 70 | 399 |
M茅tricas estad铆sticas clave derivadas de la matriz de confusi贸n para evaluar el rendimiento general:
Porcentaje total de diagn贸sticos correctos del modelo en la flota.
Probabilidad de acierto real cuando el sistema emite una alerta de falla.
Capacidad para detectar proactivamente los autos que van a fallar.
Resultados obtenidos tras procesar los 359 nuevos veh铆culos del archivo PREDICCION.csv utilizando la ecuaci贸n entrenada: