Informe Técnico: Predicción de Fallas Mecánicas en Taxis

Desarrollado por: Diego Loyola 20211535

Este informe presenta la evaluación de un modelo analítico de Regresión Logística programado para clasificar de forma preventiva qué unidades de la flota vehicular se encuentran en riesgo operativo.

1. Matriz de Confusión Automatizada

A continuación se expone la distribución del cruce de datos tras evaluar los 399 vehículos del conjunto de entrenamiento:

Estado Vehicular Predicción del Algoritmo Total Real
Predicho: Funcionando Predicho: Fallas
Real: Funcionando ', 286, '
(Verdaderos Negativos)		 ', 43, '
(Falsos Positivos)		 ', total_real_func, '
Real: Fallas ', 21, '
(Falsos Negativos)		 ', 49, '
(Verdaderos Positivos)		 ', total_real_fallas, '
Total Predicho ', 329, ' ', 70, ' ', 399, '

2. Indicadores de Precisión e Interpretación

Exactitud Global (Accuracy)

', round(accuracy * 100, 2), '%
El modelo clasifica correctamente al 83.96% del total de la flota. Ante evaluaciones generales (sanos y con fallas en conjunto), el algoritmo acierta en aproximadamente 84 de cada 100 casos.

Precisión (Precision)

', round(precision * 100, 2), '%
De todos los taxis que el algoritmo etiqueta o alerta bajo el estado de "Fallas", el 70.00% realmente presenta el desperfecto, optimizando los recursos de revisión en los talleres mecánicos.

3. Conclusión Operativa

El clasificador posee un desempeño robusto y cumple con los estándares necesarios para automatizar el mantenimiento preventivo. Las predicciones correspondientes a la pestaña de nuevos casos han sido calculadas con éxito mediante el modelo entrenado.

')

7. Guardar el contenido en un archivo físico HTML

writeLines(htmlcontent, "informetaxis.html", useBytes = TRUE) cat("\n[+] ¡Éxito! El archivo independiente 'informe_taxis.html' ha sido creado en tu directorio.\n")