Ejercicio de programación con ScikitLearn: Introducción al análisis de series temporales

En este reto utilizarás un modelo de regresión para predecir valores futuros de una serie temporal generada a partir de datos disponibles.

1. Carga del dataset: Utiliza el dataset california_housing de Scikit-Learn que contiene información sobre precios de viviendas en California.
2. Preparación de datos:
   • Usa solo la columna MedInc como variable temporal para simular una serie temporal.
   • Genera variables de retraso (lags) usando las filas anteriores como características, usa el método shift de Pandas.
3. División de datos: Separa los datos en conjuntos de entrenamiento y prueba, respetando la secuencia temporal.
4. Desarrollo del modelo: Entrena un modelo de regresión que prediga el siguiente valor de la serie temporal usando las características generadas.
5. Evaluación: Calcula e imprime el error cuadrático medio (MSE) del modelo y visualiza tanto las predicciones como los valores reales de la serie temporal usando un gráfico.
6. Predicción final: Realiza una predicción de un potencial valor futuro usando las últimas observaciones como entrada.