Comparativa de modelos de Machine Learning para la estimación de parámetros de interés empleando datos de la European Soil Database

Abstract

En este Trabajo Fin de Máster se han propuesto distintos métodos de Machine Learning para la predicción de características de suelo de difícil adquisición y de importancia en el ámbito de la agricultura. Esta predicción se realizará a partir de otras características cuya obtención es directa o más sencilla y con las que guardan una cierta correlación. Para ello, se ha utilizado la base de datos European Soil Database v2.0 y, como métodos de predicción, la regresión lineal, la regresión normal, la regresión de Poisson, la regresión de los 𝑘𝑘 vecinos más cercanos, Decision Tree y Random Forest. En primer lugar, se ha realizado un preprocesado y análisis de los datos para, posteriormente, predecir las características seleccionadas con los métodos propuestos. Todo ello se ha desarrollado mediante el lenguaje de programación Python y las bibliotecas de scikit-learn para realizar las predicciones y Sweetviz para visualizar los datos. Las características que se escogieron como variables a estimar fueron la relación carbono-nitrógeno (C_N), el peso equivalente de carbonato de calcio (CACO3_TOT) y la retención de agua del suelo a capacidad de campo (WC_FC); mientras que las características que se emplearon para predecir estas variables fueron el pH, la materia orgánica, distintas clases de texturas y las bases intercambiables de calcio y potasio. Para evaluar el rendimiento de los métodos de predicción elegidos se calculó la raíz del error cuadrático medio (RMSE) y el coeficiente de correlación. Con ello, se ha podido comprobar que la combinación de características de baja correlación con la variable estimada y el empleo de modelos de predicción consiguen mejorar la correlación. Además, tras analizar los resultados obtenidos se ha podido concluir que Random.