Modelo predictivo que analice cuales son las zonas con mayor índice de peligrosidad en la ciudad de Guayaquil y a partir de esta información predecir qué sectores en desarrollo tendrán el mismo nivel de delincuencia.

En el presente proyecto de investigación contiene el diseño de un modelo predictivo que analice las zonas con mayor índice de peligrosidad en la ciudad de Guayaquil y con esta información predecir qué sectores en desarrollo tendrán un aumento de delincuencia usando la minería de datos y algoritmos de aprendizaje de máquina. Este modelado se lo hará con el uso de herramientas de programación con las que se podrá limpiar los datos, procesarlos y aplicando aprendizaje supervisado junto con algoritmos de regresión y random forest y así de esta manera entrenar el modelo y poder predecir valores futuros de la delincuencia en las diferentes zonas de Guayaquil y poder ser visualizados en una herramienta de visualización de datos. Todo el proceso desde la recopilación de datos hasta el análisis de los resultados obtenidos forma parte de las etapas de la metodología de minería de datos KDD o Knowlede Discovery in Databases. Los objetivos del proyecto de investigación constan de recopilar y analizar variables que describan a un sector como peligroso, diseño propio del modelo predictivo y la valoración de las predicciones obtenidas tras la creación del modelo. Por último, el proyecto concluye con la visualización de los algoritmos de regresión en una herramienta de visualización que presente las zonas que puedan convertirse en peligrosas en un futuro.

• Yazar: Flores Asinc, Miguel Alfonso (author)
• Materyal Türü: bachelorThesis
• Dil: spa
• Baskı/Yayın Bilgisi: 2023
• Konular: MINERÍA DE DATOS; ALGORITMOS DE REGRESIÓN; MODELOS PREDICTIVOS; PROGRAMACIÓN INFORMÁTICA; KDD
• Online Erişim: http://repositorio.ucsg.edu.ec/handle/3317/20850