Este proyecto consiste en desarrollar un modelo predictivo que permita anticipar las unidades vendidas de productos utilizando variables temporales (año y mes).
Se simulan datos con patrones estacionales y tendencias anuales para entrenar un modelo Random Forest y evaluar su desempeño.
Para ejecutar este proyecto es necesario contar con Python 3.x instalado y las siguientes librerías:
- pandas
- numpy
- scikit-learn
- joblib
- matplotlib
- seaborn
- Clonar el repositorio (si aplica):
git clone <url-del-repositorio>
cd <nombre-del-proyecto>
Crear y activar entorno virtual (recomendado):
bash
Copy
Edit
python -m venv venv
# Windows
venv\Scripts\activate
Instalar dependencias:
bash
Copy
Edit
pip install -r requirements.txt
Estructura del proyecto
data/: Carpeta con datos simulados y procesados.
src/: Código fuente dividido en módulos para generación, limpieza, modelado y visualización.
models/: Carpeta donde se guarda el modelo entrenado.
requirements.txt: Archivo con las dependencias del proyecto.
run_all.py: Script maestro para ejecutar el pipeline completo.
Uso
Para ejecutar todo el flujo de trabajo, activar el entorno virtual y correr:
bash
python run_all.py