Mini Proyecto UOC_1
Organizacion de equipo
- Siempre se trabaja en su propia rama
- Desde local se hace push a su propia rama
- En github se verifica en la rama que este bien y se hace merge a la rama dev
- Andres es el que hace los merge a main
- Las tareas estan en el backlog, se asignan a uno y se ponen en in progress una vez que se comienza con ellas
- Hacer commit con frecuencia de cambios, y push al menos una vez al día, o al terminar una tarea
- Un jupyter por tarea/issue
- Reuniones diarias para verificar avances y problemas
Función en data.py: obtener_nuevo_avocado() devuelve el nuevo dataframe con la clasificación de regiones, agrupaciones y ciudades
Para usar los módulos de utils en scripts se hace
from utils.data import obtener_nuevo_avocado()
y para usarlos desde jupyter notebook, hay que agregar el path:
import sys, os
sys.path.append('../../../aguacate-aljoan/') # Adjust to the path where utils is located
from utils.data import obtener_nuevo_avocado
nuevo__df = obtener_nuevo_avocado()
Hemos usado una libreria opensource: Nixtla/statsforecast para realizar predicciones mensuales del dataset avocado.csv. Haciendo uso del modelo ARIMA (AutoRegressive Integrating MovingAverages) para predecir la variable Total_Volume para diferentes series agrupadas por tipo de aguacate (orgánico/convencional) y para regiones agrupadas:
La línea azul (y) representa los datos reales. realizamos un entrenamiento del modelo con datos del 2015.01 hasta 2017.07, y se realizaron predicciones desde 2017.08 hasta 2018.03 (para los cuales tenemos datos). Las predicciones junto a un intervalo de confianza del 90% se muestran en rosa. En algunos casos, las predicciones capturan las fluctuaciones (ver California), mientras en otros casos, sólo captura un rango de valores (que dentro del intervalo de confianza son acertados) sin más detalle en fluctuaciones inter-mensuales (ver SouthCentral).
También realizamos predicciones mensuales para TotalUS (una sola serie temporal, en lugar de 8 en el caso de regiones agrupadas). La siguiente tabla resume el MAPE (Error Absoluto Medio Porcentual):
| Error MAPE | Valor [%] |
|---|---|
| Orgánico por regiones | 22.00 |
| Convencional por regiones | 21.31 |
| Orgánico TotalUS | 22.35 |
| Convencional TotalUS | 21.77 |
Lo que pudimos observar es que no hay gran diferencia para un modelo de regiones y otro de TotalUS respecto al error. Lo segundo, es que la precisión del modelo ARIMA para las predicciones hechas ronda el 20%. Aún hay márgen de mejora para las predicciones (Por ejemplo probar otros modelos de regresión, o incluir variables exógenas)