Ejercicio 1 · En vivo

ClimaAI: entrená el modelo y mirá cómo falla

Regresión lineal (aprendizaje supervisado) sobre un año de consumos diarios de 30 hogares. Elegí con qué meses se entrena. Con solo verano, el invierno lo rompe: data drift + concept drift. Todo se calcula en tu navegador con el mismo código Python del TP.

Cargando…

1. Datos de entrenamiento

Hemisferio sur: el verano es enero. Tocá los meses para incluirlos o excluirlos.

2. Error absoluto medio (MAE) por mes

Error del modelo en cada mes del año. La línea punteada es el umbral de alerta (1,5 × el MAE de entrenamiento).

Esperando el primer entrenamiento…

Dentro del umbral Alerta de deriva ▲ mes usado para entrenar

Detalle mensual

MesTemp.MAERMSER²PSI tempEstado

Métricas en invierno (jun-ago)

MAE y RMSE en kWh. R² sin unidades: si es negativo, el modelo es peor que predecir el promedio.

–MAE invierno
–RMSE invierno
–R² invierno
–MAE verano

Entrená un modelo para ver el diagnóstico.

3. Probá una predicción

Compará lo que predice el modelo con el consumo real esperado del hogar.

–Predicción del modelo
–Consumo real esperado
–Error

Lo que aprendió el modelo

Coeficientes de la regresión, en kWh por unidad. Mirá el signo de temp.

–