Inteligencia artificial

Fase Final: Prototipo Completo

Presentado por:

Freddy Alexander Granada Pedraza – Código: 80156947

Andrés Rojas Patiño – Código 80083131

Guillermo Alexis Ni – Código: 80108486

Jesús Martínez – Código: 80157161

Presentado a:

Fernando Rojas

Tutor

Universidad Nacional Abierta y a Distancia

Escuela de ciencias básicas, Tecnología e ingeniería

Bogotá D.C.

Diciembre de 2018
Aclaraciones y especificaciones.

Para poder completar el prototipo, tuvimos que abandonar la idea de un algoritmo

de regresión lineal, y usar un árbol de decisión en lugar de este. Esto por tres

factores principales:

1. Tiempo de investigación e implementación demasiado alto

2. Usamos numpy, sklearn y pandas para sacar provecho total de Python, lo
cual nos ahorro tiempo en iteraciones y generaciones de matrices.
3. Los resultados de la simulación son poco probables porque generamos la
matriz de dispositivos de forma aleatoria, por ello al comparar las
características (predictores) es difícil obtener un resultado contuntende en
la última matríz.

Referencias y fuentes:

 Repositorio git del grupo https://github.com/aerojaspa/unad_IA

 Iteraciones y modelos con panda y numpy
https://stackoverflow.com/questions/34997174/how-to-convert-
list-of-model-objects-to-pandas-dataframe
 Pandas y dataframes http://pbpython.com/pandas-list-dict.html
 Arboles binarios
https://www.lawebdelprogramador.com/foros/Python/1442845-
Arboles-Binarios.html
 Implementaciones de arboles de búsqueda
http://interactivepython.org/runestone/static/pythoned/Trees/Imp
lementacionArbolBusqueda.html