Predicción del consumo de combustible mediante aprendizaje automático

La eficiencia del combustible desempeña un papel crucial en el diseño de automóviles, la sostenibilidad medioambiental y el análisis del rendimiento. Este proyecto presenta un enfoque de aprendizaje automático para predecir las millas por galón (MPG) utilizando características de vehículos del conocido conjunto de datos Auto MPG disponible en el repositorio de aprendizaje automático de la UCI.El conjunto de datos se somete a pasos de preprocesamiento que incluyen el tratamiento de valores perdidos, la conversión de tipos de datos y la selección de atributos numéricos clave. Se implementan y evalúan dos modelos predictivos (regresión lineal y regresor de Random Forest) utilizando métricas de regresión estándar como el error medio absoluto (MAE), el error medio cuadrático (MSE) y la puntuación R². El modelo Random Forest obtiene resultados significativamente mejores, lo que indica su capacidad para captar patrones no lineales en las características de los vehículos.El estudio destaca el potencial del aprendizaje automático para apoyar el análisis de la eficiencia de los automóviles y la previsión del consumo de combustible. Las mejoras futuras pueden incluir el ajuste del modelo, algoritmos avanzados, sistemas de predicción en tiempo real y despliegue a través de una interfaz web.