Modelos de machine learning para la evaluación de la política pública de “seguridad alimentaria y nutricional en Bogotá 2019-2031”

Abstract

La inseguridad alimentaria es uno de los principales problemas que afrontan los Estados en el mundo actual. En lugares como Bogotá, este flagelo afecta a un gran número de personas que habitan en el territorio. Para enfrentar esta problemática, el distrito ha diseñado una serie de acciones gubernamentales mediante políticas públicas como el CONPES 09 de 2019. En esta monografía se analiza cómo los modelos de Machine Learning (ML) pueden contribuir a mejorar la evaluación de la efectividad de la "Política Pública de Seguridad Alimentaria y Nutricional para Bogotá 2019-2031" a partir de la base de datos recolectada. Se aplicaron múltiples enfoques de ML, incluyendo modelos supervisados y no supervisados, como regresión lineal, árboles de decisión, Random Forest y clustering mediante K-means.