Métricas globales del modelo
MAPE Forecast
8.3%
Horizonte 14 días · ARIMA + ROCKET
↓ Objetivo <12% ✓
Accuracy Clasificación
91.4%
Tipo de semana · MiniRocket
↑ Objetivo 85% ✓
Anomalías detectadas
23
Umbral p95 · STOMP detector
↑ 6 críticas confirmadas
Tiempo entrenamiento
3.1m
CPU · 4 locales · todos los modelos
↓ Objetivo <5min ✓
Forecasting de ventas — próximos 14 días
Predicción diaria por local — Junio 2026
NaiveForecaster baseline + ARIMA(1,1,1) refinado · Intervalo de confianza 90%
Malasaña
Retiro
Chamberí
La Latina
Histórico
MALASAÑA
2.840€
media diaria forecast
MAPE: 7.1%
RETIRO
2.210€
media diaria forecast
MAPE: 8.9%
CHAMBERÍ
1.950€
media diaria forecast
MAPE: 8.4%
LA LATINA
1.680€
media diaria forecast
MAPE: 9.8%
Detección de Anomalías — STOMP
window_size=7 · umbral p95 · 23 detectadas (6 críticas)
14 Mar 2025
Malasaña
Corte suministro eléctrico · -82% ventas
Score 0.98
05 Abr 2025
Retiro
Feria del Libro early setup · +148% ventas
Score 0.96
22 Jun 2025
La Latina
La Paloma anticipada · +131% ventas
Score 0.94
02 Sep 2025
Chamberí
Vuelta al cole · +68% ventas (oficinas)
Score 0.87
12 Oct 2025
Todos
Fiesta Nacional · -71% ventas sistémico
Score 0.85
28 Nov 2025
Malasaña
Black Friday · +92% ventas · pico tarde
Score 0.83
Clasificación de Tipo de Semana
MiniRocketClassifier · accuracy 91.4% · 4 clases
| Algoritmo | Accuracy | F1-score | Tiempo |
|---|---|---|---|
| MiniRocket ⭐ | 91.4% | 0.912 | 12.3s |
| Catch22Classifier | 86.2% | 0.857 | 28.1s |
| KNN + DTW | 82.8% | 0.821 | 4.2s |
| HIVECOTEV2 | 93.1% | 0.929 | 8m 42s |
| Naive (baseline) | 61.5% | 0.580 | — |
Decisión: MiniRocketClassifier seleccionado — mejor ratio accuracy/tiempo para entorno CPU sin GPU. HIVECOTEV2 reservado para reentrenamiento mensual offline.
Clustering de Locales — TimeSeriesKMeans DTW
k=2 clusters · Barycenter Averaging · Silhouette Score 0.71
Cluster A — Turístico
Malasaña · Retiro
Pico semanalSáb-Dom
Variación diaria±38%
Ticket medio7.20€
Sensibilidad climaAlta
Cluster B — Oficinas
Chamberí · La Latina
Pico semanalMar-Jue
Variación diaria±18%
Ticket medio5.90€
Sensibilidad climaBaja
Acción recomendada: Estrategias de stock y personal diferenciadas por cluster. Cluster A requiere +30% personal fines de semana; Cluster B optimizar turno mañana L-V.
Pipeline de Producción
Flujo completo aeon · scikit-learn compatible
01
Ingesta
pandas · CSV/SQL
›
02
Normalizar
Normalizer()
›
03
Features
RocketTransformer
›
04
Modelos
ARIMA + MiniRocket
›
05
Output
JSON + dashboard
# Pipeline MiniRocket — clasificación tipo semana
from aeon.transformations.collection import Normalizer
from aeon.classification.convolution_based import MiniRocketClassifier
from sklearn.pipeline import Pipeline
pipeline = Pipeline([
('norm', Normalizer()),
('clf', MiniRocketClassifier(
n_kernels=10000,
random_state=42
))
])
pipeline.fit(X_train, y_train)
# → accuracy: 91.4% | tiempo: 12.3s CPU
# Forecasting ARIMA por local
from aeon.forecasting.stats import ARIMA
arima = ARIMA(p=1, d=1, q=1)
arima.fit(y_train_malasana)
forecast = arima.iterative_forecast(
y_train_malasana,
prediction_horizon=14
)
# → MAPE: 7.1% | horizonte: 14 días
Libreríaaeon==1.4.1
EntornoPython 3.11 · uv
HardwareMacBook Pro M2 · CPU only
ReentrenamientoSemanal · cron lunes 02:00
Siguiente pasoDeploy API REST · FastAPI
Ventas históricas — tendencia 30 días
Evolución por local — Mayo 2026
Malasaña
2.840€
+12.4%
Retiro
2.210€
+8.7%
Chamberí
1.950€
+1.2%
La Latina
1.680€
-3.1%
Referencia de algoritmos aplicados
Forecasting
aeon.forecasting
BaselineNaiveForecaster
PrimarioARIMA(1,1,1)
Horizonte14 días
Métodoiterative_forecast
MAPE global8.3%
Clasificación + Anomalías
aeon.classification · anomaly_detection
ClasificadorMiniRocketClassifier
Kernels10.000
DetectorSTOMP
Window7 días
Umbralpercentil 95
Clustering + Distancias
aeon.clustering · distances
AlgoritmoTimeSeriesKMeans
DistanciaDTW
PromediadoBarycenter Avg
k clusters2
Silhouette0.71