Abhishek Joshi / Abhishek Sharma / Mohit Waghela
Librería Samer Atenea
Kálamo Books
Librería Elías (Asturias)
Librería Kolima (Madrid)
Librería Proteo (Málaga)
L’efficienza dei consumi gioca un ruolo cruciale nella progettazione automobilistica, nella sostenibilità ambientale e nell’analisi delle prestazioni. Questo progetto presenta un approccio di apprendimento automatico per prevedere le miglia per gallone (MPG) utilizzando le caratteristiche del veicolo dal noto set di dati Auto MPG disponibile presso l’UCI Machine Learning Repository.Il set di dati viene sottoposto a fasi di pre-elaborazione, tra cui la gestione dei valori mancanti, la conversione dei tipi di dati e la selezione degli attributi numerici chiave. Due modelli predittivi - Regressione lineare e Regressore Random Forest - sono stati implementati e valutati utilizzando metriche di regressione standard come l’errore assoluto medio (MAE), l’errore quadratico medio (MSE) e il punteggio R². Il modello Random Forest ottiene risultati significativamente migliori, indicando la sua forza nel catturare modelli non lineari nelle caratteristiche del veicolo.Lo studio evidenzia il potenziale del Machine Learning per supportare l’analisi dell’efficienza automobilistica e la previsione del consumo di carburante. I miglioramenti futuri potrebbero includere la messa a punto del modello, algoritmi avanzati, sistemi di previsione in tempo reale e la distribuzione attraverso un’interfaccia web.
