Generador de Dataset: energy_consumption_timeseries.csv

TP 5 · Árboles & Series Temporales

Estadística Aplicada y Modelos de Regresión (2026) • Unidad 5: No Linealidad & Estacionariedad

Configuración del Grupo & Semilla

Hasta 3 integrantes

Seleccione la cantidad de integrantes del grupo e ingrese los últimos 3 dígitos del DNI de cada uno. La semilla resultante (3 dígitos por integrante) sintetizará 8.760 horas de consumo eléctrico de la red regional.

#1
#2
#3
Semilla Calculada (Seed)
---
Ingrese 3 dígitos por integrante
Muestra (N)
—
Horas (1 año)
Poder Térmico
U-Shape
Confort 18-22°C
Target (Y)
MW
Demanda Horaria
Semilla DNI
—
Pendiente de ingreso
Archivo oficial: energy_consumption_timeseries.csv

Curva Térmica No Lineal & Random Forest

Predicción de demanda energética horaria a lo largo de un año completo (8.760 observaciones). Contiene una respuesta no lineal térmica en forma de U (confort a 18-22°C, picos de aire acondicionado en verano y calefacción en invierno), estacionalidad intra-diaria y no estacionariedad estocástica en nivel corregible por diferenciación (d=1).

•
Diagnóstico de Sobreajuste: Comparación de árbol no podado (R²=1.00 train vs 0.92 test) frente a Random Forest podado.
•
Prueba Dickey-Fuller: Verificación de raíz unitaria en nivel (p > 0.05) y estacionariedad en primera diferencia (p < 0.001).

Vista Previa de la Serie Temporal

Inspección de las observaciones horarias generadas

Esperando DNI

Ninguna serie temporal generada aún

Ingrese los últimos 3 dígitos del DNI de los integrantes en el panel de configuración superior para generar y descargar los datos.

código_verificación_tp5.py
import pandas as pd
import numpy as np
from sklearn.tree import DecisionTreeRegressor
from sklearn.ensemble import RandomForestRegressor
from statsmodels.tsa.stattools import adfuller

# Cargar dataset descargado
df = pd.read_csv("energy_consumption_timeseries.csv")
print("Horas registradas:", len(df))

# 1. Auditoría y Limpieza (Preservando el Grid Horario Regular)
# Tratar picos negativos de sensores como NaNs e imputar por mediana horaria
df['energy_demand_mw'] = df['energy_demand_mw'].mask(df['energy_demand_mw'] <= 0, np.nan)
df['energy_demand_mw'] = df.groupby('hour_of_day')['energy_demand_mw'].transform(lambda s: s.fillna(s.median()))
df['humidity_percent'] = df['humidity_percent'].fillna(df['humidity_percent'].median())
df['wind_speed_kmh'] = df['wind_speed_kmh'].mask(df['wind_speed_kmh'] > 150, np.nan).fillna(df['wind_speed_kmh'].median())

# 2. Split Cronológico (80% Train, 20% Test)
features = ['temperature_celsius', 'humidity_percent', 'wind_speed_kmh', 'is_weekend', 'day_of_week', 'hour_of_day', 'month']
split_idx = int(len(df) * 0.8)
X_train, X_test = df[features].iloc[:split_idx], df[features].iloc[split_idx:]
y_train, y_test = df['energy_demand_mw'].iloc[:split_idx], df['energy_demand_mw'].iloc[split_idx:]

# 3. Modelado y Diagnóstico de Sobreajuste
tree_unpruned = DecisionTreeRegressor(max_depth=None, random_state=42).fit(X_train, y_train)
rf = RandomForestRegressor(n_estimators=100, max_depth=12, random_state=42, n_jobs=-1).fit(X_train, y_train)

print(f"Árbol Sin Podar - R2 Train: {tree_unpruned.score(X_train, y_train):.4f} | R2 Test: {tree_unpruned.score(X_test, y_test):.4f}")
print(f"Random Forest   - R2 Test:  {rf.score(X_test, y_test):.4f}")

# 4. Estacionariedad y Dickey-Fuller
df['date'] = pd.to_datetime(df['timestamp']).dt.date
daily_demand = df.groupby('date')['energy_demand_mw'].mean()
print("ADF Nivel p-value:", adfuller(daily_demand.dropna(), maxlag=7)[1])
print("ADF Primera Dif p-value:", adfuller(daily_demand.diff().dropna(), maxlag=7)[1])