combinePredictons

Combina las predicciones del modelo de Machine Learning (ML) y las reglas expertas. Este método está específicamente ajustado para una salida binaria del modelo ML (estrés térmico detectado o no).

La lógica de combinación prioriza la predicción del modelo ML, especialmente cuando su confianza es alta. En casos de conflicto (el ML y las reglas no están de acuerdo), se llega a un compromiso basado en la confianza del modelo ML y la severidad indicada por las reglas.

Lógica:

1. Si la predicción del ML y el nivel basado en reglas coinciden, devuelve ese nivel.

2. Si el modelo ML detecta estrés térmico (mlPrediction.hasHeatStress es verdadero): a. Si el nivel basado en reglas es BAJO (Conflicto: ML dice SÍ, reglas dicen NO): - Si la confianza del ML 0.7, usa el nivel de riesgo del modelo ML. - De lo contrario, devuelve MODERADO como compromiso. b. Si el nivel basado en reglas no es BAJO (Ambos detectan algún nivel de estrés): - Devuelve la más severa de las dos predicciones.

3. Si el modelo ML NO detecta estrés térmico (mlPrediction.hasHeatStress es falso): a. Si el nivel basado en reglas no es BAJO (Conflicto: ML dice NO, reglas dicen SÍ): - Si la confianza del ML 0.7, confía en el modelo ML y devuelve BAJO. - De lo contrario, reduce la severidad de la predicción basada en reglas en un nivel (p. ej., CRÍTICO se convierte en ALTO). b. Si el nivel basado en reglas es BAJO (Ambos acuerdan que no hay estrés significativo): - Devuelve BAJO.

Parameters