Proyecto Setas

- Limpieza e imputación de datos

• Eliminación de variables sin varianza o irrelevantes (como veil-type, que tenía un único valor).

• Identificación de columnas con muchos valores nulos.

• Imputación basada en la distribución de otras variables y el conocimiento del dominio.

• Conversión de variables categóricas a numéricas mediante codificación adecuada.

- Análisis estadístico

Se usaron pruebas de hipótesis para analizar la relación de cada variable con la clase objetivo. Por ejemplo, se identificó que la variable odor tenía un p-valor extremadamente bajo, siendo altamente significativa para predecir si una seta era venenosa.

- Modelado con ML clásico

Tras la limpieza, se aplicaron modelos como:

• Random Forest

• Support Vector Machine

• K-Nearest Neighbors

Estos modelos ofrecieron muy buenos resultados gracias a la calidad de los datos procesados.

- Red neuronal

Se construyó también una red neuronal multicapa (MLP) con Keras/TensorFlow, que alcanzó una alta precisión en la predicción binaria de la clase venenosa. La red fue optimizada con técnicas de regularización y normalización.

Este fue el dataset recibido:

Un poco de la limpieza realizada:

Red Neuronal

Red neuronal secuencial de 3 capas ocultas, diseñada para clasificación binaria:

- Entrada: 14 variables (tras PCA).

- Primera capa densa: 64 neuronas, activación ReLU.

- Segunda capa densa: 32 neuronas, activación ReLU.

- Capa de salida: 1 neurona, activación sigmoide → devuelve una probabilidad (0 a 1).

Es una red sencilla pero eficaz para tareas de clasificación binaria con entrada vectorial reducida.