Ejercicio de programación con ScikitLearn: Regresión KNN KNeighborsRegressor

En este ejercicio, deberás implementar un modelo de regresión usando el algoritmo K-neighbors regressor de Scikit Learn. Además, se solicita que expliques brevemente en comentarios cada paso que realicéis en el código. Sigue los pasos establecidos para obtener un modelo funcional de predicción.

Carga de datos: Crea un conjunto de datos sintético para la regresión usando una función de la biblioteca de Scikit Learn, como make_regression.

División del conjunto de datos: Divide los datos en conjuntos de entrenamiento y prueba utilizando train_test_split. Asigna 80% para entrenamiento y 20% para prueba.

Creación del modelo:

• Usa la clase KNeighborsRegressor de Scikit Learn para crear un modelo de regresión.
• Configura el modelo para considerar 7 vecinos (n_neighbors).

Ajuste y predicción:

• Entrena el modelo con los datos de entrenamiento.
• Predice los valores sobre el conjunto de prueba.

Evaluación del modelo:

• Calcula el error cuadrático medio (MSE), la MAE y el coeficiente de determinación R² de tus predicciones sobre el conjunto de prueba.

Documentación del código: Incluye comentarios claros para cada paso del proceso.

• Asegúrate de que todas las características estén adecuadamente escaladas y tratadas.
• Utiliza las bibliotecas y funciones de Scikit Learn donde sea necesario.