pastelerias-sales-predictor

Información del Modelo

Tipo: Regresión Lineal Múltiple (OLS)
Framework: scikit-learn
Autor: gusdelact
Fecha de entrenamiento: 2026-06-24T22:00:39.750756
Formato: joblib

Uso Previsto

Tarea: Regresión — predecir ventas mensuales de pastelerías
Variable target: Monthly sales
Contexto: Planificación de expansión de negocio de pastelerías

Datos de Entrenamiento

Fuente: gusdelact/pasteleria
Dataset curado: gusdelact/pastelerias-curated
Samples: 10
Features: 2

Ecuación del Modelo

Monthly sales = 65.32
              + 41.51 × Floor space
              - 0.3409 × Distance to station

Métricas de Evaluación (Leave-One-Out CV, N=10)

Métrica	Valor
RMSE	27.02
MAE	22.26
R²	0.9042

Umbral de aceptación: RMSE ≤ 50 → ✅ Cumplido

Cómo Usar

import joblib
import pandas as pd
from huggingface_hub import hf_hub_download

# Descargar modelo
model_path = hf_hub_download("gusdelact/pastelerias-linear-regression", "model.joblib")
model = joblib.load(model_path)

# Predecir
X_new = pd.DataFrame({
    "Floor space of the shop": [8],
    "Distance to the nearest station": [150]
})
prediction = model.predict(X_new)
print(f"Ventas predichas: {prediction[0]:.0f} unidades/mes")

Interpretación de Coeficientes

+1 unidad de Floor space → +41.5 ventas/mes
+1 metro de distancia a estación → -0.34 ventas/mes
Base (intercepto): 65.3 ventas/mes

Limitaciones

Entrenado con solo 10 observaciones — intervalos de confianza amplios
Solo válido dentro del rango observado (Floor: 5-10, Distance: 0-330)
No captura relaciones no lineales ni interacciones
Datos de una región específica (Japón)

Fundamento Teórico

Ver notes/03_design_modeling.md en el repositorio del proyecto para la fundamentación completa con citas a ESL §3.2 (OLS), ISLP §5.1.4 (LOO-CV) y FES §3.4.1 (CV con N pequeño).

Downloads last month: -

gusdelact
/

pastelerias-linear-regression