UTILIZACIÓN DE TÉCNICAS DE APRENDIZAJE SUPERVISADO PARA LA CONSTRUCCIÓN DE CURVAS DE CRECIMIENTO EN PERAS PACKHAM?S TRIUMPH

ZULIANI, ROXANA; CASTRO, ANDREA; GIMENEZ, GUSTAVO

Salta

Congreso; XXVII Reunión Científica GAB; 2023

Facultad de Ciencias Naturales ? Universidad Nacional de Salta

Durante el desarrollo de los frutos, se mide el diámetro promedio para conocer como es su patrón de crecimiento, denominado curva de crecimiento. Este trabajo se realiza para obtener el mejor ajuste de la curva de crecimiento para pronosticar el tamaño promedio de los frutos en determinado momento. Los datos longitudinales obtenidos sirven para estimar los kilos cosechados y el calibrecomercial al momento de cosecha. Se contó con datos de pera de la variedad de Packham?s Triumph. En el análisis exploratorio se corroboró su curva de tipo sigmoidea. Con el software R, se analizaron los siguientes modelos de aprendizaje supervisado de regresión: modelo lineal, modelo no lineal,support vector machine (SVM) y árboles de regresión. Las observaciones disponibles se dividieron en dos grupos: uno de entrenamiento (70%) y otro de test (30%) El objetivo es identificar cuál de ellos es capaz de predecir mejor el diámetro promedio de crecimiento de los frutos en función de los ?díasdespués de plena floración ?. La métrica que se utilizó es el error cuadrático medio (MSE). Para este conjunto de datos se recomienda utilizar SVM calibrado (con kernel radial), por tener mejor capacidad predictiva ya que presentó menor error MSE. Sin embargo, si bien es el más flexible es el menos interpretable. El árbol de regresión resultó tener también muy buena capacidad predictiva, con la ventaja en el atractivo gráfico y en ser más interpretable que SVM. Con el modelo no lineal no se obtuvo muy buena capacidad predictiva al arrojar un elevado valor de MSE. Finalmente, el modelo lineal es el más interpretable, pero el menos adecuado, con mucha varianza y sesgo, traducida en una mala capacidad de predicción.