Figura 2. Secuenciaci�n del proceso de simulaci�n.

Para validar matem�ticamente el modelo propuesto, se realizan los siguientes pasos:

●      Divisi�n de datos: Dividir los datos en un conjunto de entrenamiento y un conjunto de prueba. El conjunto de entrenamiento se utilizar� para entrenar el modelo, mientras que el conjunto de prueba se utilizar� para evaluar el rendimiento del modelo en datos no vistos.

En este c�digo, hemos utilizado train_test_split para dividir los datos en un 80% para entrenamiento (X_train e y_train) y un 20% para prueba (X_test e y_test). El argumento test_size=0.2 indica que queremos que el 20% de los datos sean utilizados para prueba, mientras que random_state=42 asegura que la divisi�n de datos sea reproducible y consistente en diferentes ejecuciones.

●      Creaci�n del modelo: Se cre� una instancia del clasificador de �rbol de Decisi�n utilizando la clase DecisionTreeClassifier. En este caso, se defini� el criterio de "entrop�a" para medir la calidad de una partici�n, y se encontr� la profundidad �ptima del �rbol de decisi�n, para esto se utiliz� la b�squeda en cuadr�cula (GridSearchCV) con validaci�n cruzada. La idea detr�s de la b�squeda en cuadr�cula es probar diferentes valores de hiperpar�metros (en este caso, la profundidad m�xima del �rbol) y evaluar el rendimiento del modelo con cada valor en diferentes divisiones de los datos mediante validaci�n cruzada. El proceso para encontrar la profundidad �ptima es el siguiente:

-        Definir el rango de valores posibles para la profundidad m�xima del �rbol. En este caso, se eligieron los valores [2, 4, 6, 8, 10], pero este rango puede variar dependiendo de los datos y del problema espec�fico.

-        Crear una instancia del clasificador de �rbol de decisi�n (DecisionTreeClassifier) sin especificar la profundidad m�xima. Esto se hizo en la l�nea arbol_decision = DecisionTreeClassifier(criterion="entropy").

-        Crear una instancia de GridSearchCV, pasando como par�metros el clasificador de �rbol de decisi�n, los valores posibles de la profundidad m�xima y el n�mero de divisiones para la validaci�n cruzada (cv=5, en este caso).

-        Ajustar el GridSearchCV a los datos de entrenamiento (X_train y y_train) utilizando la funci�n fit(). Durante este proceso, se probar�n todas las combinaciones de valores posibles de la profundidad m�xima mediante validaci�n cruzada y se seleccionar� el mejor valor que optimice alguna m�trica de evaluaci�n, como la precisi�n.

-        Una vez finalizada la b�squeda, se puede acceder al valor �ptimo de la profundidad m�xima a trav�s del atributo best_params_ del objeto GridSearchCV. En este caso, se utiliz� grid_search.best_params_['max_depth'] para obtener la profundidad m�xima �ptima del �rbol.

-        Luego, se crea una nueva instancia del clasificador de �rbol de decisi�n con la profundidad m�xima �ptima encontrada y se entrena el modelo con estos hiperpar�metros.

●      Entrenamiento del modelo: Utilizar el conjunto de entrenamiento para entrenar el modelo de �rbol de decisi�n. Esto se realiza mediante la funci�n fit() del clasificador de �rbol de decisi�n. Durante el entrenamiento del modelo, el algoritmo de �rbol de decisi�n utiliza el conjunto de entrenamiento (X_train y y_train) para aprender a tomar decisiones bas�ndose en las caracter�sticas y la variable objetivo (Tao et al., 2021). El proceso de entrenamiento implica lo siguiente:

�        Se toman las caracter�sticas (variables independientes) del conjunto de entrenamiento (X_train) y las etiquetas o valores objetivo asociados (y_train).

�        El algoritmo de �rbol de decisi�n busca la mejor forma de dividir el conjunto de entrenamiento en diferentes nodos (cada nodo representa una condici�n o caracter�stica) de manera que las muestras en cada nodo compartan caracter�sticas similares. El objetivo es reducir la impureza en cada nodo y, por lo tanto, obtener divisiones que sean m�s informativas para tomar decisiones.

�        El algoritmo repite el proceso de subdivisi�n en cada nodo hasta que se alcanza la profundidad m�xima del �rbol o hasta que se cumple alg�n criterio de detenci�n, como la cantidad m�nima de muestras en un nodo o la impureza alcanza un valor m�nimo.

�        Una vez que el �rbol ha sido construido y entrenado con el conjunto de entrenamiento, puede utilizar esta estructura de �rbol para hacer predicciones sobre nuevos datos.

●      Predicciones: Utilizar el modelo entrenado para hacer predicciones sobre el conjunto de prueba. Esto se realiza utilizando la funci�n predict() del clasificador de �rbol de decisi�n (Friha et al., 2021). Durante el entrenamiento del modelo, el algoritmo de �rbol de decisi�n utiliza el conjunto de entrenamiento (X_train y y_train) para aprender a tomar decisiones bas�ndose en las caracter�sticas y la variable objetivo. El proceso de entrenamiento implica lo siguiente:

�        Se toman las caracter�sticas (variables independientes) del conjunto de entrenamiento (X_train) y las etiquetas o valores objetivo asociados (y_train).

�        El algoritmo de �rbol de decisi�n busca la mejor forma de dividir el conjunto de entrenamiento en diferentes nodos (cada nodo representa una condici�n o caracter�stica) de manera que las muestras en cada nodo compartan caracter�sticas similares (Ferr�ndez-Pastor et al., 2018). El objetivo es reducir la impureza en cada nodo y, por lo tanto, obtener divisiones que sean m�s informativas para tomar decisiones.

�        El algoritmo repite el proceso de subdivisi�n en cada nodo hasta que se alcanza la profundidad m�xima del �rbol o hasta que se cumple alg�n criterio de detenci�n, como la cantidad m�nima de muestras en un nodo o la impureza alcanza un valor m�nimo.

�        Una vez que el �rbol ha sido construido y entrenado con el conjunto de entrenamiento, puede utilizar esta estructura de �rbol para hacer predicciones sobre nuevos datos.

�        Durante la fase de predicci�n, el �rbol de decisi�n recorre el �rbol siguiendo las condiciones en cada nodo y llega a una hoja que representa una decisi�n de riego espec�fica para las condiciones clim�ticas y la estaci�n del a�o de los datos de prueba.

�        El rendimiento del modelo se eval�a utilizando el conjunto de prueba (X_test y y_test) para medir qu� tan bien generaliza el modelo a datos no vistos. La exactitud, matriz de confusi�n, precisi�n y F1-score son algunas de las m�tricas utilizadas para evaluar el rendimiento del modelo.

●      Evaluaci�n del rendimiento: Una vez que se realizaron las predicciones en el conjunto de prueba, se compararon con las etiquetas reales (y_test). Se calcul� la exactitud del modelo, que es la proporci�n de predicciones correctas sobre el total de predicciones realizadas en el conjunto de prueba. Adem�s, tambi�n se calcul� la matriz de confusi�n y el F1-score para evaluar el rendimiento del modelo en cada una de las clases de decisiones de riego (Vamshi et al., 2023). En la etapa de evaluaci�n del rendimiento, se comparan las predicciones realizadas por el modelo en el conjunto de prueba (y_pred) con las etiquetas reales conocidas del conjunto de prueba (y_test). Esto nos permite medir la precisi�n y el rendimiento general del modelo en datos no vistos.

�        Exactitud del modelo: La exactitud del modelo se calcula dividiendo el n�mero de predicciones correctas entre el n�mero total de predicciones realizadas en el conjunto de prueba. Representa la proporci�n de predicciones correctas en relaci�n con el tama�o del conjunto de prueba. Una alta exactitud indica que el modelo ha logrado realizar una cantidad significativa de predicciones correctas.

�        Matriz de confusi�n: La matriz de confusi�n es una tabla que muestra la cantidad de predicciones realizadas por el modelo para cada clase de decisi�n de riego en el conjunto de prueba y c�mo estas predicciones se comparan con las etiquetas reales. La matriz de confusi�n tiene la estructura detallada en la Imagen 1.

Imagen 1

Output matriz de confusi�n modelo

Fuente: Realizado en base a (Charbuty & Abdulazeez, 2021).

�  Verdadero Positivo (TP): El modelo predijo correctamente que la decisi�n de riego es positiva (acert�).

�  Falso Positivo (FP): El modelo predijo incorrectamente que la decisi�n de riego es positiva cuando en realidad es negativa.

�  Verdadero Negativo (TN): El modelo predijo correctamente que la decisi�n de riego es negativa (acert�).

�  Falso Negativo (FN): El modelo predijo incorrectamente que la decisi�n de riego es negativa cuando en realidad es positiva.

La matriz de confusi�n nos permite evaluar el rendimiento del modelo en t�rminos de falsos positivos, falsos negativos y aciertos para cada clase de decisi�n de riego.

-        Sensibilidad, tambi�n conocida como recall o tasa de verdaderos positivos (TPR), es una m�trica de evaluaci�n utilizada en problemas de clasificaci�n y se enfoca en la capacidad del modelo para identificar correctamente los casos positivos entre todas las muestras que realmente son positivas (Vamshi et al., 2023). En otras palabras, mide la proporci�n de ejemplos positivos que el modelo ha clasificado correctamente como positivos. En el contexto de una matriz de confusi�n, la sensibilidad se calcula como:

�  Sensibilidad (Recall) = Verdaderos Positivos (TP) / (Verdaderos Positivos (TP) + Falsos Negativos (FN))

Donde:

Verdaderos Positivos (TP) representa el n�mero de ejemplos positivos que el modelo ha clasificado correctamente como positivos.

Falsos Negativos (FN) representa el n�mero de ejemplos positivos que el modelo ha clasificado incorrectamente como negativos.

Una sensibilidad alta indica que el modelo es eficiente en detectar los casos positivos. En el contexto de problemas de riego, una alta sensibilidad significa que el modelo es capaz de predecir con precisi�n las decisiones de riego adecuadas en situaciones donde son necesarias. Es especialmente importante en casos donde clasificar correctamente ejemplos positivos es de gran relevancia, como en aplicaciones m�dicas donde detectar enfermedades o en problemas de seguridad donde identificar eventos riesgosos. La sensibilidad es una medida crucial para evaluar el rendimiento de un modelo de clasificaci�n cuando la identificaci�n de ejemplos positivos es importante y se busca reducir al m�nimo los falsos negativos.

-        F1-score: El F1-score es una m�trica que combina la precisi�n y el recall del modelo. Se calcula como la media arm�nica de la precisi�n y el recall, y es �til cuando hay clases desbalanceadas en los datos. El F1-score oscila entre 0 y 1, donde 1 indica una precisi�n y recall perfectos, y 0 indica un rendimiento deficiente (Bishnoi & Hooda, 2022).

��Arboles de Decisi�n� vs �Arboles de Regresi�n�

En el caso presentado, se est� abordando un problema de toma de decisiones basado en condiciones sobre m�ltiples caracter�sticas. Esto se alinea perfectamente con el uso de "�rboles de Decisi�n". A continuaci�n, se presentan algunas razones que justifican el uso de �rboles de Decisi�n en este caso en lugar de �rboles de Regresi�n:

●      Variable Objetivo Categ�rica: Se est� tomando decisiones sobre el riego de las plantas en funci�n de diferentes condiciones clim�ticas y del suelo. La variable objetivo es la decisi�n de riego que cae en categor�as discretas, como "Riego Aplicado (Bajo) en t+1", "Riego Aplicado (Medio) en t+1", etc. Esto se ajusta a un problema de clasificaci�n, lo que hace que los �rboles de Decisi�n sean una opci�n natural.

●      Condiciones y Reglas: Los �rboles de Decisi�n son ideales cuando se necesita tomar decisiones basadas en una serie de condiciones y reglas sobre varias variables (Kotsiantis, 2013). En este caso, se est� evaluando m�ltiples condiciones como humedad del suelo, temperatura del suelo, radiaci�n solar, velocidad del viento, etc., para decidir el nivel de riego necesario.

●      Interpretaci�n: Los �rboles de Decisi�n son altamente interpretables, cada nodo y rama del �rbol representa una regla o condici�n, lo que te permite comprender c�mo se toma cada decisi�n. Esto es beneficioso en aplicaciones donde se necesita entender y justificar el razonamiento detr�s de las decisiones.

●      Visualizaci�n: Los �rboles de Decisi�n se pueden visualizar f�cilmente, lo que facilita la comunicaci�n de los resultados a partes interesadas y permite una comprensi�n m�s clara del proceso de toma de decisiones (Canete-Sifuentes et al., 2021).

●      No Linealidades y Relaciones Complejas: Dado que se est� tomando decisiones basadas en m�ltiples variables, los �rboles de Decisi�n pueden capturar relaciones no lineales y complejas entre estas variables, lo que puede ser dif�cil de lograr con un simple modelo de regresi�n (Kotsiantis, 2013).

Dado que se est� tomando decisiones basadas en reglas y condiciones sobre m�ltiples caracter�sticas para clasificar en diferentes niveles de riego, los �rboles de Decisi�n son una opci�n s�lida y adecuada para tu problema. Estos modelos te permitir�n capturar las decisiones en funci�n de las caracter�sticas de manera clara, interpretable y efectiva.

Conveniencia de usar una �Validaci�n Cruzada�

El uso de la "Validaci�n Cruzada" en este proyecto es altamente conveniente por varias razones:

●      Mejora de la Generalizaci�n: La Validaci�n Cruzada ayuda a estimar c�mo se comportar� tu modelo en datos no vistos. Dividir los datos en conjuntos de entrenamiento y prueba m�ltiples veces y calcular promedios de rendimiento te da una medida m�s confiable de c�mo el modelo generalizar� a nuevos datos (Ferr�ndez-Pastor et al., 2018).

●      Reducci�n de la Variabilidad: Al realizar m�ltiples divisiones de los datos en conjuntos de entrenamiento y prueba, se reduce la posibilidad de obtener resultados extremadamente sesgados debido a la elecci�n de un solo conjunto de prueba.

●      Mayor Utilizaci�n de los Datos: La Validaci�n Cruzada utiliza eficientemente los datos disponibles al entrenar y probar el modelo en diferentes subconjuntos de datos (Kalesanwo et al., 2020). Esto es especialmente �til cuando el tama�o del conjunto de datos es limitado.

●      Selecci�n de Hiperpar�metros: Si est�s ajustando hiperpar�metros, como la profundidad m�xima del �rbol en tu caso, la Validaci�n Cruzada te ayuda a seleccionar los valores �ptimos al evaluar el rendimiento del modelo con diferentes combinaciones de hiperpar�metros en distintos conjuntos de entrenamiento y prueba (Edwards-Murphy et al., 2016).

●      Evaluaci�n Consistente del Rendimiento: Con la Validaci�n Cruzada, se obtiene una evaluaci�n m�s robusta del rendimiento del modelo, en lugar de depender de una �nica m�trica calculada a partir de un solo conjunto de prueba, obtienes una estimaci�n m�s precisa de c�mo el modelo se desempe�ar� en la realidad.

●      Reducci�n del Sobreajuste (Overfitting): La Validaci�n Cruzada ayuda a evitar el sobreajuste ya que el modelo se eval�a en diferentes subconjuntos de datos. Esto permite identificar si el modelo es capaz de generalizar bien en lugar de ajustarse demasiado a un conjunto particular de datos.

La Validaci�n Cruzada es una pr�ctica est�ndar en el desarrollo de modelos de aprendizaje autom�tico, ya que proporciona una evaluaci�n m�s confiable y realista del rendimiento del modelo. Permite tomar decisiones informadas sobre qu� modelo y qu� hiperpar�metros son los m�s adecuados para tu proyecto, ayud�ndote a construir un modelo m�s robusto y generalizable.

Resultados

Validaci�n de predicciones

Interpreta la comparaci�n las predicciones del modelo con las etiquetas reales del conjunto de prueba. Con base en las m�tricas de rendimiento y la matriz de confusi�n, se puede interpretar qu� tan bien est� funcionando el modelo en el conjunto de prueba. Un modelo con un alto nivel de exactitud, precisi�n, sensibilidad y F1-score generalmente indica un buen rendimiento en la clasificaci�n de los datos del conjunto de prueba. La validaci�n de predicciones es esencial para determinar si el modelo generaliza bien a datos no vistos y para tomar decisiones informadas sobre el desempe�o del modelo en situaciones del mundo real. Al aplicar el c�digo en Python, se tiene los resultados mostrados en la Imagen 2.

Imagen 2

Output par�metros para la toma de decisi�n de regad�o

Fuente: Realizado por el autor, lenguaje de programaci�n Python

Interpretaci�n de resultados

●      Profundidad �ptima del �rbol: La b�squeda de hiperpar�metros ha determinado que la profundidad �ptima para el �rbol de decisi�n es 10.

●      Exactitud del modelo: La exactitud del modelo en el conjunto de prueba es de aproximadamente 0.839. Esto indica que aproximadamente el 83.9% de las predicciones del modelo coinciden con las etiquetas reales en el conjunto de prueba.

●      Sensibilidad del modelo: La sensibilidad (recall) del modelo es una m�trica que indica la proporci�n de casos positivos que el modelo ha identificado correctamente en relaci�n con el total de casos positivos reales. En este caso, se presenta una lista de valores para cada clase de decisi�n de riego. Por ejemplo, para la clase "Riego Aplicado (Bajo) en t+1", el modelo ha identificado correctamente todos los casos positivos (sensibilidad de 1.0). Sin embargo, para la clase "Riego Aplicado (Medio) en t+1", la sensibilidad es aproximadamente 0.636, lo que significa que el modelo ha identificado solo el 63.6% de los casos positivos reales para esta clase.

●      F1-score del modelo: El F1-score es una m�trica que combina la precisi�n y la sensibilidad en una sola medida. Al igual que con la sensibilidad, se presenta una lista de valores para cada clase de decisi�n de riego. Por ejemplo, el F1-score para la clase "Riego Aplicado (Bajo) en t+1" es aproximadamente 0.571. Un valor bajo del F1-score puede indicar un desequilibrio entre la precisi�n y la sensibilidad en la clasificaci�n de esa clase.

●      Matriz de Confusi�n: La matriz de confusi�n es una representaci�n tabular que muestra c�mo las predicciones del modelo se comparan con las etiquetas reales para cada clase de decisi�n de riego. Los valores diagonales de la matriz son las predicciones correctas, mientras que los valores fuera de la diagonal son las predicciones incorrectas.

●      Reporte de Clasificaci�n: El reporte de clasificaci�n presenta varias m�tricas para cada clase de decisi�n de riego, incluyendo precisi�n, sensibilidad y F1-score. La precisi�n es la proporci�n de predicciones correctas en relaci�n con el total de predicciones para cada clase. La sensibilidad es la misma m�trica mencionada anteriormente. El F1-score es una medida que combina precisi�n y sensibilidad.

●      El modelo de �rbol de decisi�n parece tener un rendimiento razonable en la clasificaci�n de las decisiones de riego en el conjunto de prueba. Sin embargo, hay algunas diferencias notables en la sensibilidad y el F1-score entre las diferentes clases de decisi�n de riego, lo que podr�a indicar que el modelo tiene m�s dificultades para identificar ciertas clases. Se podr�a considerar ajustar el modelo o recopilar m�s datos para mejorar su rendimiento en estas �reas.

Ajuste y mejora del modelo

Con el fin de mejorar la respuesta del modelo, podemos ajustar los hiperpar�metros del clasificador de �rbol de decisi�n, los criterios de divisi�n hasta obtener un modelo con un rendimiento aceptable, la Imagen 3, muestra los resultados al ajustar los hiperpar�metros.

Imagen 3

Output modelo ajustado

Fuente: Realizado por el autor, lenguaje de programaci�n Pyton

●      Output 2 (Hiperpar�metros �ptimos: {'max_depth': 6, 'min_samples_leaf': 2, 'min_samples_split': 2}):

-        Hiperpar�metros �ptimos: {'max_depth': 6, 'min_samples_leaf': 2, 'min_samples_split': 2}.

-        Exactitud del modelo ajustado: 0.9677.

-        Sensibilidad del modelo ajustado para cada clase:

-        Riego Aplicado (Bajo) en t+1: 1.00

-        Riego Aplicado (Medio) en t+1: 1.00

-        Riego Aplicado (�ptimo) en t+1: 0.9444

-        F1-score del modelo ajustado para cada clase:

-        Riego Aplicado (Bajo) en t+1: 1.00

-        Riego Aplicado (Medio) en t+1: 0.9565

-        Riego Aplicado (�ptimo) en t+1: 0.9714

-        La matriz de confusi�n muestra que el modelo ajustado predijo correctamente todas las clases, sin errores en la predicci�n.

El modelo ajustado tiene un rendimiento excepcionalmente alto en t�rminos de exactitud, sensibilidad y F1-score.

Los hiperpar�metros �ptimos incluyen una profundidad m�xima del �rbol de 6, un m�nimo de 2 muestras por hoja y una divisi�n m�nima de 2 muestras. Estos hiperpar�metros permitieron que el modelo alcanzara su m�ximo rendimiento.

Validaci�n cruzada

En el caso de datos de series temporales, es importante aplicar t�cnicas de validaci�n cruzada especializadas, como la validaci�n cruzada por bloques o la validaci�n cruzada de series de tiempo. Esto nos permite evaluar el rendimiento del modelo en diferentes intervalos de tiempo y asegurarnos de que no haya fuga de informaci�n del futuro al pasado. Para este modelo se utiliza la clase cross_val_score de scikit-learn, la Imagen 4, muestra los resultados al aplicar la validaci�n cruzada.

Imagen 4

Output Validaci�n cruzada

Fuente: Realizado por el autor, lenguaje de programaci�n Pyton

●      Hiperpar�metros �ptimos: Los hiperpar�metros encontrados por la b�squeda en cuadr�cula son max_depth: 8, min_samples_leaf: 2 y min_samples_split: 5. Estos valores son los que optimizan el rendimiento del modelo.

●      Exactitud del modelo ajustado: La exactitud del modelo en el conjunto de prueba es aproximadamente 0.9355, lo que significa que alrededor del 93.55% de las decisiones de riego se predicen correctamente.

●      Sensibilidad del modelo ajustado: La sensibilidad (recall) del modelo var�a para cada clase. Para la clase "Riego Aplicado (Bajo) en t+1", la sensibilidad es del 100%, lo que significa que todos los casos positivos de esta clase fueron correctamente identificados. Para la clase "Riego Aplicado (Medio) en t+1", tambi�n es del 100%, lo que significa que todos los casos positivos de esta clase fueron correctamente identificados. Para la clase "Riego Aplicado (�ptimo) en t+1", la sensibilidad es del 88.89%, lo que significa que el 88.89% de los casos positivos de esta clase fueron correctamente identificados.

●      F1-score del modelo ajustado: El F1-score es una medida que combina la precisi�n y la sensibilidad. Para la clase "Riego Aplicado (Bajo) en t+1", el F1-score es 1.00. Para la clase "Riego Aplicado (Medio) en t+1", el F1-score es aproximadamente 0.9167. Para la clase "Riego Aplicado (�ptimo) en t+1", el F1-score es aproximadamente 0.9412.

●      Exactitud en cada pliegue: Durante la validaci�n cruzada, se realiz� la evaluaci�n del modelo en 5 pliegues diferentes. Los resultados de la exactitud en cada pliegue son [0.9032, 0.7333, 0.7, 0.8667, 0.9667].

●      Exactitud promedio: La exactitud promedio de todas las iteraciones de validaci�n cruzada es aproximadamente 0.8340, lo que indica el rendimiento promedio del modelo en diferentes conjuntos de datos de prueba simulados.

●      Desviaci�n est�ndar de la exactitud: La desviaci�n est�ndar de la exactitud entre las iteraciones de validaci�n cruzada es aproximadamente 0.1015. Esto da una idea de la variabilidad del rendimiento del modelo en diferentes conjuntos de datos de prueba.

●      Matriz de Confusi�n del modelo ajustado: La matriz de confusi�n muestra c�mo el modelo clasific� las instancias en cada clase. En este caso, se pueden ver los valores correspondientes a verdaderos positivos, falsos positivos y falsos negativos para cada clase.

●      Reporte de Clasificaci�n del modelo ajustado: Este reporte proporciona medidas como precisi�n, recall y F1-score para cada clase, as� como promedios ponderados y macro. Adem�s, se presenta la exactitud general y el soporte (cantidad de casos) para cada clase.

●      En la Figura 3, se muestra la una gr�fica de barras donde se puede observar que el rendimiento del modelo en los 5 pliegues establecidos para la validaci�n cruzada se aproxima a la exactitud promedio, determinando gr�ficamente la validez del modelo.

Figura 3. Pliegue de validaci�n cruzada.

Establecer una semilla aleatoria:

Es normal que los resultados var�en cada vez que ejecutas el modelo, especialmente cuando se trabaja con algoritmos que tienen un componente aleatorio o cuando se utilizan t�cnicas como la validaci�n cruzada (Canete-Sifuentes et al., 2021). Para abordar este problema, es recomendable establecer semillas aleatorias antes de cada ejecuci�n para que los resultados sean reproducibles (Song & Lu, 2015). Esto se hace configurando la semilla aleatoria en el generador de n�meros aleatorios utilizado por el algoritmo. En este caso, en Scikit-Learn (una biblioteca de aprendizaje autom�tico en Python), se establece la semilla aleatoria usando la funci�n random_state en los objetos de los modelos.

Validaci�n de resultados

Se est� utilizando la prueba de Tukey, que es una prueba estad�stica post hoc utilizada para realizar comparaciones m�ltiples entre las medias de varios grupos. La prueba de Tukey es com�nmente utilizada despu�s de realizar un an�lisis de varianza (ANOVA) para determinar si existen diferencias significativas entre las medias de tres o m�s grupos.

En tu caso, la prueba de Tukey se est� utilizando para comparar las medias de exactitud entre dos grupos: el grupo "Prueba" y el grupo "Validaci�n Cruzada". La prueba de Tukey eval�a si hay diferencias estad�sticamente significativas entre estas medias y ayuda a identificar qu� grupos espec�ficos tienen medias significativamente diferentes. Al aplicar este modelo, se tiene el output de la Imagen 5:

Imagen 5

Output An�lisis estad�stico

Fuente: Realizado por el autor, lenguaje de programaci�n Pyton

Desviaci�n est�ndar de la exactitud: El valor de 0.07199324231850222 representa la desviaci�n est�ndar de las exactitudes obtenidas durante la validaci�n cruzada. Esto mide cu�nto var�an las exactitudes en los diferentes pliegues de validaci�n cruzada, proporcionando una idea de la consistencia del rendimiento del modelo en diferentes divisiones del conjunto de datos.

Matriz de Confusi�n del modelo ajustado: Esta matriz muestra c�mo el modelo clasific� las muestras en cada una de las clases. Los n�meros en la matriz indican cu�ntas muestras se clasificaron correctamente o incorrectamente en cada clase.

An�lisis de Varianza (ANOVA) en la Exactitud: Estos valores corresponden a los resultados del an�lisis de varianza realizado en las exactitudes entre los grupos de validaci�n cruzada y el conjunto de prueba. El estad�stico F calculado es 0.9757294548050331 y el valor p asociado es 0.3791749978317657. El valor p es mayor que un nivel de significancia t�pico de 0.05, lo que sugiere que no hay diferencias estad�sticamente significativas en las exactitudes entre los dos grupos.

Prueba de Tukey: La prueba de Tukey se utiliza para realizar comparaciones m�ltiples entre los grupos y determinar si hay diferencias significativas en las medias. En tu caso, se compara la exactitud entre el grupo "Prueba" y el grupo "Validaci�n Cruzada". El resultado indica que no hay evidencia para rechazar la hip�tesis nula de que no hay diferencias significativas en las medias de exactitud entre estos dos grupos. De esta manera, no hay una diferencia estad�sticamente significativa en la exactitud entre la prueba y la validaci�n cruzada.

En general, estos resultados indican que tu modelo est� funcionando bien en la clasificaci�n de las diferentes clases y que no hay diferencias estad�sticamente significativas en las exactitudes entre la validaci�n cruzada y el conjunto de prueba.

Discusi�n

La adopci�n de la tecnolog�a IoT en el campo de la agricultura, aunque ha cobrado importancia a�n no estaba bien integrada en el cultivo de caf� que plantea un manejo particularmente delicado por la sensibilidad del cultivo a las condiciones del entorno.

El aporte m�s significativo de este trabajo de investigaci�n se encuentra en el hecho de integrar sensores IoT con algoritmos de machine learning para realizar predicciones en tiempo real sobre las necesidades de riego, de forma que se pueden ir adaptando las pr�cticas de riego a las condiciones particulares de cada cultivo, lo cual permite dejar atr�s los sistemas tradicionales que no proporcionaban datos continuos, accediendo a datos a muy alta resoluci�n; con ello se potencia una toma de decisiones m�s robusta y eficiente. Tambi�n hay que se�alar que la capacidad de implementar big data y machine learning en el ajuste del riego en funci�n de factores como la radiaci�n solar y la evapotranspiraci�n aporta una innovaci�n importante al �xito del riego que permite aportar una mejora significativa en la precisi�n de los sistemas de riego, adem�s de dificultar el principio de sostenibilidad. En cuanto a la sostenibilidad, un aspecto que vale la pena destacar es la posibilidad de optimizar el uso del agua, un recurso cada vez m�s escaso en muchas regiones agr�colas a causa de la explotaci�n de los acu�feros. Al ser un sistema inteligente, se separa de los sistemas convencionales que normalmente tienen patrones fijos de riego, ya que responde a las din�micas del ambiente y con ello reduce el malgasto de agua. De este modo, es posible salvar los recursos h�dricos y mejorar la sostenibilidad del cultivo.

La aportaci�n que esta investigaci�n hace al conocimiento acad�mico y cient�fico es muy significativa. En primer lugar, se pasa a contribuir con la agricultura de precisi�n y las tecnolog�as de IoT dado que permite su aplicaci�n a cultivos de alta demanda (como es el caso del caf�). En segundo lugar, se convierte en la base para generar soluciones m�s adaptativas y escalables a la gesti�n del riego de otras especies agr�colas. Y en tercer lugar, se genera un sistema replicable (que puede ser trasladado a otras regiones o condiciones agr�colas), ayudando a una mayor adopci�n de pr�cticas sostenibles a una escala global.

Conclusiones

El modelo de �rbol de decisi�n fue ajustado con hiperpar�metros �ptimos {'max_depth': 8, 'min_samples_leaf': 2, 'min_samples_split': 5}, lo que sugiere que un �rbol con una profundidad m�xima de 6, una hoja m�nima de tama�o 1 y una divisi�n m�nima de 10 muestras en cada nodo proporciona el mejor equilibrio entre complejidad y capacidad de generalizaci�n.

Evaluando el rendimiento del Modelo en el Conjunto de Prueba, el modelo de �rbol de decisi�n demostr� un alto nivel de precisi�n en el conjunto de prueba, con una exactitud del 93.5%. Esto indica que el modelo es capaz de tomar decisiones acertadas en la clasificaci�n de las decisiones de riego.

En cuanto al rendimiento por Clase, el modelo demostr� una excelente sensibilidad y F1-score en las clases "Riego Aplicado (Bajo)" y "Riego Aplicado (Medio)", con una sensibilidad y F1-score del 100%. La clase "Riego Aplicado (�ptimo)" tambi�n mostr� un buen rendimiento con una sensibilidad del 88% y un F1-score del 94.1%.

La validaci�n cruzada realizada en el modelo mostr� una exactitud promedio del 83.3% con una desviaci�n est�ndar de 0.07. El an�lisis de varianza (ANOVA) no revel� diferencias estad�sticamente significativas en la exactitud entre los grupos de validaci�n cruzada y el conjunto de prueba. Adem�s, la prueba de Tukey no rechaz� la hip�tesis nula de que no hay diferencias significativas entre los grupos.

En funci�n de los modelos utilizados y los resultados obtenidos, podemos concluir que el enfoque de Simulaci�n de la toma de decisiones de riego inteligente para cultivos de caf� con la utilizaci�n de sensores IoT, demuestra la eficacia del modelo de �rbol de decisi�n en la toma de decisiones de riego para diferentes condiciones de cultivo. La precisi�n y capacidad de clasificaci�n del modelo, respaldadas por el an�lisis de validaci�n cruzada y las pruebas estad�sticas, refuerzan la viabilidad de este enfoque para optimizar la gesti�n de riego en los cultivos de caf� mediante la integraci�n de sensores IoT y t�cnicas de aprendizaje autom�tico.

El uso de sensores IoT en combinaci�n con modelos de aprendizaje autom�tico, como el �rbol de decisi�n, permite una gesti�n eficiente e inteligente del riego en cultivos de caf�. Los sensores proporcionan datos clave sobre las condiciones del ambiente y del suelo, lo que permite predicciones precisas y decisiones optimizadas.� Este enfoque mejora el uso de recursos h�dricos y promueve la sostenibilidad agr�cola

Recomendaciones

Dado que el modelo de �rbol de decisi�n ha demostrado un alto rendimiento en la clasificaci�n de decisiones de riego, se recomienda implementar esta metodolog�a en el campo. Utilizando los hiperpar�metros �ptimos determinados durante el proyecto, el modelo puede ayudar a automatizar la toma de decisiones de riego, optimizando el uso del agua y mejorando la eficiencia del proceso.

Para garantizar la precisi�n y eficacia del modelo de toma de decisiones, se debe establecer un sistema de monitoreo continuo utilizando sensores IoT. Esto permitir� recopilar datos en tiempo real sobre variables clave como humedad del suelo, temperatura, radiaci�n solar y velocidad del viento. Los datos actualizados mejorar�n la precisi�n del modelo y la capacidad de respuesta a las condiciones cambiantes del cultivo.

Aunque el modelo ha mostrado un rendimiento prometedor en el entorno de prueba, es fundamental validar su desempe�o en condiciones reales en el campo. La implementaci�n piloto en una parcela de cultivo de caf� permitir� evaluar c�mo el modelo se adapta a situaciones variables y confirmar su eficacia en la toma de decisiones en tiempo real.

Despu�s de la implementaci�n en el campo, se debe realizar un seguimiento constante de la eficacia del modelo y las decisiones de riego que genera. Esto permitir� identificar posibles desviaciones y ajustar el modelo seg�n sea necesario. Adem�s, se pueden recopilar comentarios y experiencias de los agricultores para mejorar a�n m�s el sistema.

Es esencial capacitar a los agricultores en el uso del sistema de toma de decisiones basado en el modelo de �rbol de decisi�n. Los agricultores deben comprender c�mo se generan las decisiones de riego y c�mo interpretarlas. Esto fomentar� la confianza en el sistema y su adopci�n exitosa.

Adem�s de los beneficios ambientales y agron�micos, es importante llevar a cabo una evaluaci�n econ�mica del sistema de toma de decisiones. Esto incluye analizar los ahorros en costos de agua, la optimizaci�n de la producci�n y cualquier inversi�n adicional requerida para la implementaci�n del sistema.

Bibliograf�a

� 2025 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).