Modelo de Clasificación y Aprendizaje para la detección de Hongos Comestibles y Hongos No Comestibles

[raditz.2392]

Tema: Modelo de Clasificación y Aprendizaje para la detección de Hongos Comestibles y Hongos no Comestibles

Integrantes:
- Acevedo Martínez, Ruddy Enrique
- Zambrano Soto, José
- Fuertes Malca, Ayrton
- Solis Almerco, Ricardo
- Vilcahuamán Dolorier, Dennis Albert

Resumen:
Además de ser una gran fuente de nutrientes y sustancias bioactivas, los hongos o setas comestibles son cada vez más populares entre la gente por sus sabores y cualidades culinarias. Debido a sus posibles ventajas para la salud humana, recientemente han ganado atractivo como alimentos funcionales. Por tanto, los hongos comestibles, tanto de cultivo como silvestres, son de especial interés para el sector alimentario. Sin embargo, no es tan simple distinguir entre ellos. Este artículo usó un dataset con 54034 etiquetados con las siguientes variables: diámetro del sombrero, forma del sombrero, el himenio, altura del tallo, color del himenio, ancho del tallo y color del tallo y estación y la etiqueta que indica la clase.
La técnica de aprendizaje supervisado que mejor resultado nos dio fue el algoritmo Random Forest obteniéndose una exactitud del 99% sobre el dataset.

Se adjuntan los siguientes artefactos:

-Artículo
-Dataset
-Notebook Python
-Matrices de Confusión.