Time.txt

Jobs,Memory,Time,#Models,CrossValidation
1 , 209018880, 95.92500335530731, 12, 5
2, 171606016, 69.59102909248806, 12, 5
1, 152166400, 279.6215367307464, 36,5



jobs, time, CrossValidation
1, 32, 10
2, 23, 10
3, 20, 10

2, 62, 30
3, 53, 30

1063s best tuning hyperparameters

RandomForestRegressor(bootstrap=True, criterion='mse', max_depth=80,
           max_features='auto', max_leaf_nodes=None,
           min_impurity_decrease=0.0, min_impurity_split=None,
           min_samples_leaf=5, min_samples_split=8,
           min_weight_fraction_leaf=0.0, n_estimators=300, n_jobs=1,
           oob_score=False, random_state=42, verbose=0, warm_start=False)

Model Performance
Average Error: 846.3577 degrees.
Accuracy = 86.51%.
Square: 0.340249752581
Mean Absolute Error: 846.357716926
Mean Squared Error: 1229568.9968
Root Mean Squared Error: 1108.85932237



Descripción de los datos
Cantidad de datos
Localización

Descarga de datos.
Archivos .tab

Preparación de los datos
de hora a diarios
Merge entre estaciones
Gráficas de Outliers
Generación de el modelo de precipitación con 
tmax tmin
generación de Humedad relativa
generación de radiación solar (Unidades de medida)

preparación datos de ensayos
solo pasar las fechas al formato y filtrar campos innecesarios


Generación de vista minable.

frequencias y conteos, agregaciones, sobre los datos climáticos
para la creación de registros.


Creación de modelo de ML
Analisis de entrada para cada algoritmo
transformación de variables categóricas

Split para obtener datos de entrenamientos y datos de testing

Creación de grilla de busqueda para hyperparameter tuning con cross validation

Imprimir metrícas y graficas

hacer este proceso para MLR , SVR, ANN, RF

mencionar random forest y el problema del indice gini que favorece
variables continuas