Registro de precisión · para reproducir
ML1
Lo que hace falta para repetir las 2 entradas de ML1 en el registro: el código, la segunda implementación, el cotejo y los datos de validación agregados, cada uno con su huella md5. Son copias de lectura: las rutas del servidor van sustituidas por marcas, y lo que no se puede publicar se dice abajo, con su porqué.
Código de la medida
7
ficheros
Segunda implementación
1
fichero
Cotejo
0
ficheros
Datos de validación
6
ficheros
Cómo se rehace01 (base de lotes y etiqueta) → 02 (recuentos de diseño) → sellado → 03 (conjunto de entrenamiento) → 05 (prueba de la AUC) → 10 por modelo (P, I2 con LightGBM, LR, D1, D3, D4, S1) → 20 (métricas, IC y veredicto) → 30 (exploratorio dentro del órgano). Módulo común: comun.py.
Código de la medida
7 ficheros| Fichero | Qué hace | md5 | Líneas |
|---|---|---|---|
| py/comun.py | Funciones comunes: carga, conjuntos de variables, AUC estratificada con pesos y bootstrap | f911021a82b9b47f |
68 |
| py/01_base.py | Base de lotes PLACSP no menores 2012-2025 con variables de proceso y contexto, etiqueta y controles | 4f99b44f7f4f0cdd |
131 |
| py/02_conteos.py | Recuentos de diseño por expediente, división y año, sin variables | df31250809231b76 |
14 |
| py/03_dataset.py | Conjunto de entrenamiento: positivos y controles del mismo expediente × división × año | fd5c092d6a968fed |
39 |
| py/10_modelos.py | Ajusta los modelos sellados por esquema (temporal, por expediente, por mercado); I2 es la versión en LightGBM | 390486d7136d5c89 |
93 |
| py/20_metricas.py | AUC, IC por bootstrap de expediente y de órgano, permutación de variables, calibración y veredicto | 3f8ccab30acdcd06 |
139 |
| py/30_exploratorio.py | Exploratorio (enmienda): univariantes y modelos dentro del mismo órgano con bootstrap | c6af3c0eb18c413d |
41 |
Segunda implementación
1 fichero| Fichero | Qué hace | md5 | Líneas |
|---|---|---|---|
| py/05_test_auc.py | Prueba la AUC estratificada propia frente a la de sklearn en datos sintéticos con empates | ef3b497e4fb36df5 |
18 |
Datos de validación
6 ficheros| Fichero | Qué hace | md5 | Líneas |
|---|---|---|---|
| salidas/01_base.md | Recuentos de la base: lotes, positivos y controles | 100da92c461eddb6 |
60 |
| salidas/02_conteos.md | Positivos por expediente, año, órganos y división | 5dc122685d45964f |
112 |
| salidas/03_dataset.md | Tamaño del conjunto de entrenamiento: 2.590 lotes de cártel y 241.805 controles | 5478e6416c4a409e |
17 |
| salidas/metricas.json | AUC e IC por modelo y esquema, comparación sklearn frente a LightGBM, calibración y veredicto | caf3761f72bf7c34 |
1.700 |
| salidas/importancias.csv | Caída de AUC al permutar cada variable y AUC univariante, sin lotes | 786e8a051c56de36 |
34 |
| salidas/30_exploratorio.json | AUC dentro del mismo órgano por variable y por modelo, con IC | 9d7476fd95f7afbc |
746 |
Pre-registros
sellados antes de medir| Texto | Huella del sello (md5) | Sellado |
|---|---|---|
| DEFINICIONES_PREVIAS.mdel texto sellado lleva rutas del servidor o nombres internos: es una copia de lectura con 1 sustitución, y su huella no es la del sello | 44feab5f251b15c4 |
22/10/2026, 12:49:04 CEST |
Lo que no se publica
y por qué- Base de lotes con variables y etiqueta (interno/base.parquet, 123 MB) y etiqueta por lote (interno/lab.parquet): fila a fila de lotes con id y marca de cártel y datos de la adjudicataria; demasiado grande para la web
- Etiqueta de cártel que lee 01_base.py (lotes de cártel casados de colusion/etiquetas y lista de NIF colusion/interno/emp.csv): el banco de cárteles nombra empresas
- Predicciones por lote (tmp/pred_*.json y .npz): fila a fila de lotes con puntuación; ya borradas con tmp/