Use of decision trees to detect if a room is occupied using Python

Descripción del Articulo

This article presents a description of the decision trees for determining whether a room is occupied or not. In this research it is empirically demonstrated that it is possible to determine whether a room is occupied or not, using the variables temperature, humidity, luminosity, CO2 level and the hu...

Descripción completa

Detalles Bibliográficos
Autores: Atamari Aguilar, Joel, Flores Conde, Cristian, Mamani Mamani, Jhon, Rondon Polanco, Sergio
Formato: artículo
Fecha de Publicación:2022
Institución:Universidad La Salle
Repositorio:Revistas - Universidad La Salle
Lenguaje:español
OAI Identifier:oai:ojs.revistas.ulasalle.edu.pe:article/53
Enlace del recurso:https://revistas.ulasalle.edu.pe/innosoft/article/view/53
https://doi.org/10.48168/innosoft.s8.a53
https://purl.org/42411/s8/a53
https://n2t.net/ark:/42411/s8/a53
Nivel de acceso:acceso abierto
Materia:Artificial Intelligence
Decision trees
CO2
Python
Árboles de decisión
Inteligencia Artificial
Descripción
Sumario:This article presents a description of the decision trees for determining whether a room is occupied or not. In this research it is empirically demonstrated that it is possible to determine whether a room is occupied or not, using the variables temperature, humidity, luminosity, CO2 level and the humidity ratio, by using decision trees with the SKLEARN libraries in the language Python.
Use of decision trees to detect if a room is occupied using Python
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares