Comparación de técnicas de estimación basadas en machine learning para predecir costos en los planes de adquisiciones de las entidades públicas del Perú

• Autor: Chang Hidalgo, Haward Miguel
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/10566
• Enlace del recurso: https://hdl.handle.net/20.500.12802/10566
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje automático; Predicción; Costos; Regresión lineal múltiple; Árbol de decisiones; Bosque de aleatorio; XGboost; https://purl.org/pe-repo/ocde/ford#2.02.04

Las Entidades Públicas, cada año tienen la obligación de estimar los presupuestos (en adelante costos), que permitirán la atención de las necesidades de bienes y servicios que deben estar consignados en los planes de adquisiciones. Para tal fin, el Ministerio de Economía y Finanzas (en adelante MEF) tiene la difícil tarea de revisar, evaluar, aprobar y asignar los recursos que estime conveniente, respecto de las propuestas presentadas por cada entidad pública. La problemática presentada, nos lleva a la necesidad de identificar una técnica de aprendizaje automático (Machine Learning), que permita facilitar el proceso de predicción de los costos, con la finalidad de financiar los planes de adquisiciones de las diversas Entidades Públicas del Perú, asimismo, a fin de resolver el problema expuesto, se determinó el siguiente método de trabajo, iniciando con la identificación del dataset de las contrataciones públicas, obtenido del portal web de datos abiertos de la Organismo Supervisor de Contrataciones Estatales – OSCE, en segundo lugar se procedió con la revisión de la literatura de artículos científicos que se relacionen con la presente investigación para identificar los algoritmos más utilizados y los resultados obtenidos para su implementación, en tercer lugar se priorizo la implementación de los siguientes algoritmos de Regresión: a) Lineal Múltiple, b) Arból de decisión, c) Bosque de aleatorio y d) Xgboots; y en cuarto lugar se llevaron a cabo las pruebas del desempeño de las técnicas implementadas, obteniéndose los siguientes resultados: en primer lugar, el modelo Regresión Lineal Múltiple con los siguientes índices de error MAE=4.03E+06, MAPE=0.30.MSE=4.04E+13, RMSE=6.36E+06 y un R2 = 0.79587, en segundo lugar, Random Forest con índices de MAE=5.43E+06, MAPE=0.33, MSE=6.20E+12, RMSE=7.88E+06 y un R2 = 0.68666, en tercer lugar, XGboost con índices de MAE=5.97E+06, MAPE=0.34, MSE=7.59E+13, RMSE=8.71E+06 y R2 = 0.61649 y en cuarto lugar, Árbol de Decisiones con índices de MAE=6.16E+06, MAPE=0.40, MSE=1.03E+14, RMSE=1.03E+14 y R2 = 0.53162, concluyéndose que el mejor desempeño lo obtuvo el algoritmo de regresión lineal múltiple.