Machine learning aplicado al análisis de un set de datos de parámetros ambientales en galpones de pollos de engorde

Batista-Mendoza, Gloris; Cedeño Herrera, Edwin Juvenal; Cedeño-Batista, Gloris

Machine learning aplicado al análisis de un set de datos de parámetros ambientales en galpones de pollos de engorde

Batista-Mendoza, Gloris; Cedeño Herrera, Edwin Juvenal; Cedeño-Batista, Gloris

Machine learning applied to the analysis of a dataset of environmental parameters in poultry farm

Autores Batista-Mendoza, Gloris
Autores Cedeño Herrera, Edwin Juvenal
Autores Cedeño-Batista, Gloris

Tema Agromática
Tema análisis de datos
Tema aprendizaje supervisado
Tema inteligencia artificial
Tema ciencia de datos
Tema regresión logística
Tema Agromatic
Tema artificial intelligence
Tema data analysis
Tema data science
Tema logistic regression
Tema supervised learning

Descripción This article addresses the development of a Machine Learning model applied to a dataset collected on a poultry farm. Its goal is to attain a predictive model based on environmental variables to anticipate forthcoming events. This predictive model aims to optimize decisions linked to the birds' environmental well-being and cut production costs in poultry projects. This investigation obtained information from the "Smart Poultry Farm" system, following the SEMMA methodology and utilizing the Python programming language in the Google Colaboratory IDE environment. The model was built using the binomial logistic regression algorithm in the context of supervised learning. The assessment of the predictive model encompassed the confusion matrix and metrics such as the Overall Quality Index, Accuracy, Sensitivity, Specificity, and F1-Score. Various scenarios were employed to forecast the activation/deactivation of the poultry farm's fans, based on environmental parameters: humidity, temperature, and heat index.
Descripción Este artículo trata sobre el desarrollo de un modelo de Machine Learning aplicado a un conjunto de datos recopilados en una granja avícola. Su objetivo es obtener un modelo predictivo basado en variables ambientales para anticipar eventos futuros. Este modelo predictivo busca optimizar decisiones relacionadas con el bienestar ambiental de las aves y reducir costos de producción en proyectos avícolas. Para esta investigación, se obtuvo el set de datos del sistema "Smart Poultry Farm" como guía del desarrollo, se utilizó la metodología SEMMA y el lenguaje de programación Python en el entorno IDE Google Colaboratory. El modelo se construyó mediante el algoritmo de regresión logística binomial en el contexto de aprendizaje supervisado. La evaluación del modelo predictivo incluyó la matriz de confusión y métricas como: el Índice General de Calidad, Precisión, Sensibilidad, Especificidad y F1-Score. Se aplicaron distintos escenarios para anticipar la activación/desactivación de los ventiladores del galpón, en función de los parámetros ambientales: humedad, temperatura e índice de calor.

Editorial Universidad de Panamá, Centro Regional Universitario de Azuero.

Fecha 2023-12-29

Tipo info:eu-repo/semantics/article
Tipo info:eu-repo/semantics/publishedVersion
Tipo Artículo revisado por pares

Formato application/pdf

Identificador https://revistas.up.ac.pa/index.php/antataura/article/view/4566
Identificador 10.48204/j.vian.v7n2.a4566

Fuente Visión Antataura; Vol. 7 Núm. 2 (2023): Visión Antataura; 121-146
Fuente 2520-9892
Fuente 2309-6373

Idioma spa

Relación https://revistas.up.ac.pa/index.php/antataura/article/view/4566/3700

Derechos Derechos de autor 2023 Visión Antataura
Derechos http://creativecommons.org/licenses/by-nc-sa/4.0