Modelo de Machine Learning para la predicción de contaminantes del aire a partir de sensores y variables ambientales, utilizando LightGBM y regresión multisalida.
El proyecto procesa datos de calidad del aire, entrena un modelo predictivo y transforma las salidas de los sensores en valores reales de contaminantes como CO, NO₂, NOx y O₃.
- Limpieza y preprocesamiento de datos ambientales
- Ingeniería de variables temporales
- Regresión multisalida con LightGBM
- Conversión de sensores a unidades reales
- Evaluación con métricas MSE y R²
- Python
- pandas, numpy
- scikit-learn
- LightGBM
- matplotlib, seaborn
├── AirQualityPredictModel.ipynb
├── AirQuality.csv
└── README.md
Ejecutar las celdas en orden
Notes
Proyecto desarrollado con fines académicos y de investigación.
Fácilmente extensible a modelos de series de tiempo o despliegue en producción.