acarrillosse/pump-it-up-water-table

Multiclass classification of water pump functionality in Tanzania · DrivenData competition · Score 0.8083 # 💧 Pump it Up: Data Mining the Water Table Proyecto de clasificación multiclase para predecir el estado funcional de bombas de agua en Tanzania, desarrollado como proyecto final (abril 2024) de la asignatura Machine Learning del Máster en Data Science, Big Data & Business Analytics 2023-2024 (Universidad Complutense de Madrid). **Competición:** DrivenData — Pump it Up: Data Mining the Water Table --- ## 🎯 Descripción del problema El objetivo es predecir, a partir de datos sobre instalación, gestión y características técnicas de bombas de agua, si estas se encuentran en uno de tres estados posibles: | Etiqueta | Significado | |---|---| | `functional` | La bomba funciona correctamente | | `non functional` | La bomba no funciona | | `functional needs repair` | La bomba funciona pero necesita reparación | El dataset contiene **59.400 pozos de entrenamiento** y **14.850 de test**, con 40 variables originales que describen la ubicación, el gestor, el tipo de extracción, la calidad del agua y otras características de cada instalación. --- ## 🏆 Resultados | Modelo | Score (DrivenData) | Accuracy (test local) | |---|---|---| | Random Forest base | 0.7974 | 0.7926 | | Random Forest + SMOTE | 0.7835 | 0.7700 | | Random Forest + PyCaret params | 0.8083 ✅ | — | | Random Forest + KNN Imputer | 0.8083 ✅ | — | | Gradient Boosting | 0.7789 | 0.7372 | | Red Neuronal (Keras) | 0.5461 | 0.7500 | | Random Forest + RF Imputer + pesos | ~0.807 | — | **Mejor resultado: 0.8083**, conseguido con Random Forest configurado con los parámetros sugeridos por PyCaret e imputación KNN de valores faltantes. --- ## 🛠️ Técnicas aplicadas - **Análisis exploratorio (EDA):** detección de columnas redundantes, análisis de nulos, distribución de categorías. - **Feature engineering:** codificación de año de construcción por lustros, recuperación de coordenadas geográficas, agrupación de categorías poco frecuentes. - **Imputación de valores faltantes:** KNN Imputer, Iterative Imputer con Ra …