Comparativa de modelos de regresión a fin de predecir el crimen en zonas de alto riesgo de la ciudad de Lima

• Autores: Escobedo Neyra, María Cielo, Tapia Aquino, Cynthia Lizet
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad de Lima
• Repositorio: ULIMA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ulima.edu.pe:20.500.12724/21714
• Enlace del recurso: https://hdl.handle.net/20.500.12724/21714
• Nivel de acceso: acceso abierto
• Materia: Análisis de regresión; Delitos; Lima (Perú); https://purl.org/pe-repo/ocde/ford#2.02.04

La delincuencia sigue siendo un problema en Lima Metropolitana, Perú, que afecta a la sociedad. Este artículo tiene como objetivo analizar los delitos contra la propiedad y reconocer la falta de estudios para predecir estos crímenes. Para solucionar este problema, se utilizan técnicas de regresión como Extra Tree, XGBoost, Bag, AdaBoost, Support Vector y Random Forest. Mediante GridSearchCV se optimizan los hiperparámetros para mejorar los resultados de la investigación. El modelo de Extra Tree Regression muestra un coeficiente de determinación (R2) de 0,79, y se evalúan métricas de error como el error cuadrático medio de la raíz (MSE), el error cuadrático medio (RMSE) y el error absoluto medio (MAE). Este enfoque considera patrones temporales de delincuencia para resolver la incertidumbre y combatir la inseguridad ciudadana.