iabd06/agua_dataset

Clasificación de la Calidad del Agua

Objetivo del Proyecto

El objetivo de este proyecto es desarrollar un modelo de clasificación supervisada capaz de predecir la calidad del agua en función de ciertas propiedades. Para ello, se ha construido un conjunto de datos que recopila mediciones específicas de muestras de agua. La predicción de la calidad del agua tiene un alto valor en contextos ambientales y de salud pública, ya que permite identificar rápidamente muestras potencialmente no aptas para el consumo o uso humano sin necesidad de realizar análisis extensivos.

Descripción del Dataset

El dataset consta de 1,000 observaciones y 5 columnas, como se puede observar en el siguiente archivo dataset_infos.json. Cada fila representa una muestra distinta de agua, donde se registran diferentes características medibles del líquido. Estas características se han seleccionado por su relación directa con la potabilidad y el estado general del agua.

Columnas del Dataset

A continuación se detallan las características del dataset:

Columna	Descripción	Unidad / Tipo
Temperatura	Temperatura de la muestra de agua	Grados Celsius
pH	Nivel de acidez o alcalinidad del agua	Unidades de pH
Turbidez	Medida de la claridad del agua, asociada a la presencia de partículas	NTU (unidades nefelométricas de turbidez)
Contaminantes	Nivel general de contaminantes presentes (valor numérico sin escala definida)	Unidades arbitrarias
Calidad_Agua	Categoría asignada según las condiciones del agua medida	Categórica (Excelente, Muy buena, Buena, Regular, Pobre, Contaminada, Peligrosa)

Variable Objetivo

• Calidad_Agua es la variable que se desea predecir a partir del resto de características. Se trata de una variable categórica ordinal con siete niveles de calidad que reflejan el estado general de la muestra de agua:
  • Excelente: Muestra con parámetros ideales.
  • Muy buena: Leves desviaciones dentro de los rangos aceptables.
  • Buena: Parámetros aceptables, aunque con ciertas señales de alerta.
  • Regular: Condiciones limitadas, posible presencia de riesgos.
  • Pobre: Muestra con mala calidad general.
  • Contaminada: Evidencia clara de la presencia de sustancias indeseadas o peligrosas.
  • Peligrosa: Muestra con condiciones extremas que representan un riesgo severo para la salud.

Esta variable fue diseñada para ser utilizada en modelos de clasificación multiclase.

Variables Independientes

Las variables predictoras utilizadas para estimar la calidad del agua son las siguientes:

• Temperatura: Una variable continua que influye en el comportamiento químico del agua y su capacidad de retener oxígeno. Distribución continua en grados Celsius. Se observan valores típicos en rangos ambientales.
• pH: Mide el grado de acidez o alcalinidad. Un pH muy bajo o muy alto puede ser indicativo de contaminación o alteración del equilibrio natural del agua. Fluctúa alrededor del valor neutro (7), con algunas muestras en rangos más ácidos o básicos.
• Turbidez: Evalúa cuán clara o turbia está el agua, lo cual puede correlacionarse con la presencia de partículas en suspensión, sedimentos u organismos. Valores diversos que indican desde aguas cristalinas hasta turbias.
• Contaminantes: Valor numérico que refleja el nivel de sustancias o compuestos indeseables en el agua. Valores enteros o flotantes, sin unidades específicas, pero interpretables como un índice de contaminación relativa.

Estas variables han sido seleccionadas por su relevancia en estudios de calidad hídrica y se espera que tengan una relación directa con la clase de calidad asignada.