Analisis_de_Datos_en_Tiempo_Real

Streaming data en tiempo real: Análisis predictivo mediante Regresión Lineal

Código Python:

1. Importar bibliotecas

import json
from kafka import KafkaConsumer
from river import linear_model, preprocessing, metrics

2. Kafka consumer para datos en tiempo real

consumer = KafkaConsumer(
    'realtime-data',
    bootstrap_servers='localhost:9092',
    value_deserializer=lambda m: json.loads(m.decode('utf-8'))
)

3. River: modelo de regresión online con escalamiento de variables independientes (features)

model = preprocessing.StandardScaler() | linear_model.LinearRegression()
mae = metrics.MAE()

for message in consumer:
    data = message.value
    # Datos de entrada de ejemplo: {'f1': 1.0, 'f2': 2.5, 'target': 10.2}
    y = data.pop('target')
    X = data

    # Predecir y actualizar
    # Cuando `predict_one` es invocado antes de que el modelo haya recibido datos, `y_pred` puede recibir el valor `None`:
    y_pred = model.predict_one(X) or 0.0 
    print(f"Predicted: {y_pred:.2f} | Actual: {y}")
    model.learn_one(X, y)
    mae.update(y, y_pred)
    print(f"Current MAE: {mae.get():.4f}")