Clasificación de fallas vehiculares

Objetivo

El objetivo del análisis fue aplicar una técnica de clasificación para predecir si un vehículo presenta fallas o se encuentra funcionando correctamente, utilizando variables relacionadas con el uso y características operativas del vehículo.

Técnica utilizada

Se aplicó una Regresión Logística Múltiple debido a que la variable objetivo (Output1) es binaria:

• 0 = Funcionando
• 1 = Fallas

Matriz de confusión

	Predicho Funcionando (0)	Predicho Falla (1)
Real Funcionando (0)	59	5
Real Falla (1)	7	9

Indicadores del modelo

Indicador	Valor
Accuracy	0.85
Precision	0.6429
Recall	0.5625
F1-Score	0.60

Interpretación de resultados

Accuracy

El modelo clasificó correctamente el 85% de los registros evaluados, lo que evidencia un buen desempeño general.

Precision

Cuando el modelo predice una falla, acierta aproximadamente el 64.29% de las veces.

Recall

El modelo identifica el 56.25% de las fallas reales presentes en el conjunto de prueba.

F1-Score

El valor de F1 indica un desempeño moderado al equilibrar precisión y recall.

Conclusiones

• La Regresión Logística Múltiple permitió clasificar adecuadamente el estado de los vehículos.
• El modelo obtuvo un Accuracy de 85%, mostrando un buen desempeño general.
• La precisión alcanzó 64.29%, indicando una capacidad aceptable para identificar fallas.
• Existe oportunidad de mejora en la detección de fallas reales, debido al Recall de 56.25%.
• El modelo puede utilizarse como herramienta de apoyo para la toma de decisiones en mantenimiento preventivo.