Implementación del mejor modelo de Machine Learning (repositorio de proyecto ML). El objetivo es clasificar si el agua es o no es segura. Se realiza el despliegue en fly.io, utilizando flask (waterqualityapp).
Se distingue entre segura y no segura a partir de los parámetros que se muestran a continuación:
| Variable | description |
|---|---|
| aluminium | dangerous if greater than 2.8 |
| ammonia | dangerous if greater than 32.5 |
| arsenic | dangerous if greater than 0.01 |
| barium | dangerous if greater than 2 |
| cadmium | dangerous if greater than 0.005 |
| chloramine | dangerous if greater than 4 |
| chromium | dangerous if greater than 0.1 |
| copper | dangerous if greater than 1.3 |
| flouride | dangerous if greater than 1.5 |
| bacteria | dangerous if greater than 0 |
| viruses | dangerous if greater than 0 |
| lead | dangerous if greater than 0.015 |
| nitrates | dangerous if greater than 10 |
| nitrites | dangerous if greater than 1 |
| mercury | dangerous if greater than 0.002 |
| perchlorate | dangerous if greater than 56 |
| radium | dangerous if greater than 5 |
| selenium | dangerous if greater than 0.5 |
| silver | dangerous if greater than 0.1 |
| uranium | dangerous if greater than 0.3 |
| is_safe | class attribute {0 - not safe, 1 - safe} |
La tabla presenta las variables a introducir mediante un csv para realizar la predicción con el modelo entrenado.
Se introduce un csv:
- 1 fila: respuesta directa.
- 2 o más filas: respuesta en forma de tabla.
- README.md: archivo actual, información inicial.
- app_model.py: archivo python que contiene las acciones de la aplicación.
- static:
- cover.css: indicaciones generales de gráficos.
- templates: archivos con las distintas pantallas.
- data/example: archivos csv de ejemplo.
- img: almacenan imagenes y figuras.
- model_selected.pkl: modelo seleccionado.
- scaler.pkl: escalador entrenado.
- requirements.txt: archivo con los requerimientos de instalación mínima.
Crear un entrono virtual y añadir las librerías mínimas para ejecutar este proyecto:
- Creación del entorno:
>> conda create -n nombre_enviroment python==3.9.12
>> conda activate nombre_enviroment
- Instalar librerías:
Una vez creado el entorno, instalamos las librerías mínimas necesarias.
>> pip install -r requirements.txt
- María Carla González González - mcarlagg17
- Email: [email protected]
- Linkedin: https://www.linkedin.com/in/mariacarlagonzalezgonzalez/
- Marco Russo - marcusRB
- Daniel Montes - DanielMontes
- Juan Maniglia - JuanManiglia
A todxs los que de una forma u otra habéis formado parte de este viaje. Deseo lo mejor para cada uno de vosotrxs.
¡Gracias de corazón!
Proyecto final Bootcamp Data Science
