Cogollo Flórez, MyladisVelásquez Alemán, Elkin David2024-12-122025-12-112024-12-122024-12-11https://repositorio.unicordoba.edu.co/handle/ucordoba/8818El objetivo de la investigación se fundamenta en desarrollar una nueva función en R que facilite el cálculo simultáneo y rápido de las métricas para modelos de pronóstico, como series de tiempo, modelos de regresión y redes neuronales, ofreciendo una alternativa más interactiva y fácil de usar. La función fue además comparada con otras herramientas disponibles, resaltando tanto sus ventajas como sus desventajas frente a otras funciones tradicionales, que calculan métricas de manera independiente. La propuesta busca mejorar la experiencia del usuario, permitiendo la automatización de la evaluación de modelos en tan solo pocas líneas de código, optimizando el proceso de análisis, reduciendo el esfuerzo y el tiempo requerido para interpretar los resultados de manera más rápida.The objective of the research is based on the development of a new function in R that facilitates the simultaneous and fast calculation of metrics for forecasting models, such as time series, regression models and neural networks, offering a more interactive and easy-to-use alternative. The function was also compared with other available tools, highlighting both its advantages and disadvantages compared to other traditional functions, which calculate metrics independently. The proposal seeks to improve the user experience, allowing the automation of model evaluation in just a few lines of code, optimizing the analysis process, reducing the effort and time required to interpret the results faster.ResumenAgradecimientosIntroducción1. Marco teórico1.1. Métricas de desempeño de modelos1.1.1. Métricas primarias1.1.2. Métricas ampliadas1.1.3. Métricas compuestas1.1.4 Métricas hibridas2. Estado del arte3. Descripción de la función bestmodel3.1. Parámetros de entrada3.2. Especificación de funcipones generales3.3 Selección del modo de ejecución de la función3.3.1. Modo automático3.3.2. Modo manual3.4. Resultados obtenidos con la función4. Evaluación de la función bestmodel4.1. Modelos de Series de Tiempo4.1.1. Descripción de los datos4.1.2. Especificación de los modelos4.2. Aplicación de la función bestmodel4.2.1. Aplicación de la función accuracy4.3. Modelos de Regresión Lineal4.3.1. Descripción de los datos4.3.2. Especificación de los modelos4.4. Aplicación de la función bestmodel4.4.1. Aplicación accuracy4.5. Modelos de Redes neuronales4.5.1. Descripción de los datos4.5.2. Especificación de los modelos4.6. Aplicación de la función bestmodel4.6.1. Aplicación de la función accuracyConclusionesBibliografíaApéndiceA.1. Código de la función bestmodelB.2. Código RIndice de figuras3.1. Esquema general de la función bestmodel3.2. Esquema del algoritmo de recomendación4.1. Evolución de ingresos de colombianos y extrangeros a lo largo del tiempo4.2. Gráfico de cajas de los ingresos de colombianos y extrnajeros en el periodo 2008-20214.3 Comportamiento de la función y diferenciación de la serie: ingresos de colombianos y extrnajeros en el periodo 2008-20214.4. Desempeño general de los modelos de diferentes métricas4.5. Métricas segmentadas por categoria4.6. Relación entre porcentaje el porcentaje de población con bajo socioeconómico y el precio mediano de la vivienda4.7. Desempeño general de los modelos en diferentes métricas4.8. Comparación de métricas por modelo y categoría4.9. Conjunto de métricas primariasIndice de tablas3.1. Esquema de la salida de la función bestmodelapplication/pdfspaCopyright Universidad de Córdoba, 2024Trabajo de grado - PregradoAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)info:eu-repo/semantics/embargoedAccessMétricasPronósticoModelosFunciónAlgoritmoMetricsForecastsModelsFunctionAlgorithmUniversidad de CórdobaRepositorio Universidad de Córdobahttps://repositorio.unicordoba.edu.co/homehttp://purl.org/coar/access_right/c_f1cf