Ejercicio de programación con ScikitLearn: Regresión SVM con SVR

Este ejercicio tiene como objetivo implementar un modelo SVR para predecir un dataset de precios de viviendas que viene incluido en Scikit Learn.

Implementa desde cero un script ipynb en Python que realice lo siguiente:

Carga del dataset:

• Utiliza el dataset Boston de Scikit Learn, que está disponible en el módulo de datasets.

from sklearn.datasets import load_boston
data = load_boston()
X = data.data
y = data.target

Preprocesamiento de los datos:

• Divide el dataset en características (X) y variable objetivo (y).
• Estandariza los datos de entrada utilizando StandardScaler.

Definición y ajuste del modelo SVR:

• Utiliza un kernel RBF con los siguientes parámetros básicos:
  • C=1.0
  • epsilon=0.1
  • gamma='scale'

Entrenamiento del modelo:

• Separa los datos en conjuntos de entrenamiento y prueba, usando un 80% para entrenamiento y un 20% para prueba (utiliza train_test_split).
• Entrena el modelo SVR con los datos prentrenados.

Evaluación del rendimiento:

• Predice los valores de prueba con el modelo entrenado.
• Calcula el error cuadrático medio (MSE), la MAE y el R2 para las predicciones.