Selección de features con Lasso y árboles para predicción de demanda hortícola

Recibes un dataset de 5 años con observaciones semanales para 12 productos y las 180 variables potenciales (con valores faltantes y multicolinealidad). Diseña dos pipelines de selección: (a) Lasso con validación cruzada por bloque temporal, (b) Random Forest con permutation importance. Compara las dos listas resultantes, analiza solapamiento y discrepancias, y propón el conjunto final justificado. Valida en términos predictivos con un modelo final simple (Ridge) usando solo las features seleccionadas vs. usando todas.