Modelo de regresión basado en máquinas de aprendizaje utilizando datos estadísticos del café Colombiano

• Fernández Gelvez , Fredy Alonso ^[1] ; Jaimes Cerveleón, Leonor ^[1] ; Mendoza, Luís Enrique
  1. [1] Universitaria. Pamplona, Norte de Santander, Colombia.
• Localización: Mundo FESC, ISSN-e 2216-0388, ISSN 2216-0353, Vol. 13, Nº. Extra 1, 2023, págs. 230-245
• Idioma: español
• Títulos paralelos:
  • Regression model based on machine learning using Colombian coffee statistical data
• Enlaces
  • Texto completo (pdf)
  • Texto completo
• Resumen
  • español

    La inteligencia artificial está teniendo un impacto positivo en el mundo gracias a su capacidad para resolver problemas de la vida real. En este contexto, se está llevando a cabo un proyecto investigativo que propone el uso de técnicas de inteligencia artificial para predecir la demanda de producción y exportación de café colombiano. Para estimar una predicción futura a partir de datos históricos, se emplearán dos técnicas de aprendizaje automático: máquinas de soporte vectorial y la red neuronal recurrente (RNN) tipo Long Short Term Memory (LSTM), ambas aplicadas para predicciones con el método de regresión. En este estudio se utilizaron los datos de 107 registros mensuales entre 2014 y 2022 para predecir la demanda de producción y exportación de café. Se identificaron 17 variables que afectan las exportaciones de café y 12 variables que afectan la producción. Estas variables se incluyen en un archivo CSV que contiene 107 registros. Durante el entrenamiento, el 70% de los datos se usará para que el modelo predictivo aprenda, mientras que el 30% restante se utilizará para visualizar el rendimiento del modelo predictivo.

  • English

    Artificial intelligence is having a positive impact on the world thanks to its ability to solve real-life problems. In this context, a research project is being carried out that proposes the use of artificial intelligence techniques to predict the demand for production and export of Colombian coffee. To estimate a future prediction from historical data, two machine learning techniques will be used: support vector machines and the Long Short-Term Memory (LSTM) type recurrent neural network (RNN), both applied for predictions with the regression method. In this study, data from 107 monthly records between 2014 and 2022 will be used to predict the demand for coffee production and export. 17 variables that affect coffee exports and 12 variables that affect production are identified. These variables are included in a CSV file containing 107 records. During training, 70% of the data will be used for the predictive model to learn, while the remaining 30% will be used to visualize the performance of the predictive model.