<\/span><\/h2>\nTras aplicar el algoritmo Arima, obtenemos en R los siguientes resultados:<\/p>\n
<\/p>\n
Representados de forma gr\u00e1fica en R, se obtiene lo siguiente:<\/p>\n
<\/p>\n
La l\u00ednea gris representa el consumo real en el pasado. La l\u00ednea azul marca la predicci\u00f3n realizada y las zonas sombreadas, la azul representa el intervalo de confianza del 80% mientras que en la zona sombreada gris se representa el intervalo de confianza del 95%.<\/p>\n
El intervalo de confianza es cuanto puede diferir la realidad frente a la predicci\u00f3n de modo que, por ejemplo, en el caso del intervalo del 95%, representa un intervalo en el que hay una posibilidad del 95% de que el consumo en ese mes se mantenga dentro de dicho intervalo.<\/p>\n
A priori, se puede ver que en agosto del 2017 las ventas van a caer de forma significativa, mientras que los meses m\u00e1s cercanos va a haber una gran venta de este producto. Esto no es para nada descabellado, si nos fijamos en los a\u00f1os anteriores se observa que todos los meses de agosto el consumo es muy bajo y en los meses colindantes el consumo es muy elevado. Tambi\u00e9n podemos observar que en marzo va a haber una ca\u00edda en los consumos, que se corresponde con el resto de los a\u00f1os, pues se puede observar una ca\u00edda acusada en el tercer mes de todos los a\u00f1os.<\/p>\n
Ciertamente, extraer algunas conclusiones sobre la predicci\u00f3n a priori est\u00e1 bien, pero, ser\u00eda mucho mejor si pudi\u00e9semos contrastar la predicci\u00f3n con los consumos reales y comprobar cu\u00e1n buenos son los resultados obtenidos. A continuaci\u00f3n, se muestra la gr\u00e1fica que representa este escenario:<\/p>\n
<\/p>\n
En azul tenemos los consumos anteriores. En rojo tenemos los consumos reales entre los meses de Febrero y Octubre del 2017 y, por \u00faltimo, con barras amarillas representamos las predicciones realizadas por Arima.<\/p>\n
Como podemos observar nuestra predicci\u00f3n se adecua de una manera muy precisa a los datos reales de ventas.<\/p>\n
<\/span>Calidad de la predicci\u00f3n<\/span><\/h2>\nPara medir cu\u00e1n bueno es una predicci\u00f3n frente a los resultados reales se utiliza la siguiente f\u00f3rmula, que recibe el nombre de Error Medio de Porcentaje (EMP):<\/p>\n
<\/p>\n
donde CR<\/strong><\/em> es el consumo real y\u00a0 PC<\/em><\/strong> es la predicci\u00f3n de consumos realizada.<\/p>\nDel mismo modo, se puede calcular el Error Absoluto Medio de Porcentaje (EAMP) mediante la siguiente f\u00f3rmula:<\/p>\n
<\/p>\n
En este caso, EMP = -5.30%<\/strong><\/em>\u00a0 y EAMP=5.30%<\/strong><\/em> . Por consiguiente, estamos ante una predicci\u00f3n muy precisa.<\/p>\n<\/span>Objetivos alcanzados con el uso de Algoritmos de Machine Learning<\/span><\/h2>\nDe esta forma, se concluye con esta serie de post, cuyos objetivos eran:<\/p>\n
1.- Conocer los algoritmos de Machine Learning.<\/p>\n
2.- Elegir el algoritmo adecuado para nuestros datos y nuestros objetivos.<\/p>\n
3.- Realizar la predicci\u00f3n de forma adecuada.<\/p>\n
4.- Obtenci\u00f3n y representaci\u00f3n de forma gr\u00e1fica de los resultados.<\/p>\n
Que se pueden predecir las ventas de una referencia y de este modo ajustar los recursos de una empresa en funci\u00f3n de las necesidades que puedan surgir derivadas de poder adelantarse al futuro y tener una predicci\u00f3n que es capaz de representar de una forma muy precisa la realidad.<\/p>\n
<\/span>COMPARTE ESTE POST<\/span><\/h4>\n","protected":false},"excerpt":{"rendered":"Machine Learning(3\/3) – Resultados de la Predicci\u00f3n Tras el primer post de introducci\u00f3n a los algoritmos de Machine Learning y siguiendo el segundo d\u00f3nde se trataba el estudio de la serie temporal y el algoritmo que se ha decidido utilizar, llega el \u00faltimo post de esta serie. Se comenzar\u00e1 con una gr\u00e1fica que refresque la […]<\/p>\n","protected":false},"author":1,"featured_media":1285,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0},"categories":[111,26],"tags":[],"acf":[],"yoast_head":"\n
\u00bfQu\u00e9 predicciones obtenemos al utilizar algoritmos de Machine Learning? | LIS Data Solutions<\/title>\n \n \n \n \n \n \n \n \n \n \n \n\t \n\t \n\t \n \n \n \n\t \n\t \n\t \n