Selección de variables meteorológicas para la clasificación de los índices de contaminación

Abstract

La contaminación atmosférica es uno de los principales problemas en grandes ciudades como la Ciudad de México, donde altos niveles de contaminantes afectan la salud pública y el medio ambiente. Ante esta situación, el análisis de datos meteorológicos y de calidad del aire se vuelve indispensable para desarrollar modelos predictivos precisos que ayuden a los gobiernos de gestionar y reducir los niveles de contaminación. En este contexto, la selección de características de forma eficiente es importante para mejorar el desempeño y eficiencia de los modelos, ya que permite reducir la dimensionalidad de los datos reduciendo la pérdida de la exactitud de las predicciones. Este estudio se enfoca en la selección de variables meteorológicas relevantes para la clasificación del Índice Aire Salud, empleando una combinación de técnicas de Aprendizaje Automático y Teoría de Gráficas. Se implementaron varios métodos de selección de características, incluyendo análisis de la regresión mediante el Operador de Selección y Contracción Absoluta Mínima (LASSO, por sus siglas en inglés), Análisis de Componentes Principales (PCA, por sus siglas en inglés) y árboles de decisión, como Árboles de Decisión Iterativos (ID3, por sus siglas en inglés) y Clasificación y Regresión con Árboles (CART, por sus siglas en inglés). Además, se utilizaron métricas de variabilidad como la varianza baja, la Diferencia Media Absoluta (MAD, por sus siglas en inglés) y la Relación de Dispersión (DR, por sus siglas en inglés), y se incorporaron métodos basados en Teoría de Gráficas para analizar las relaciones entre variables.