Resumen de Minería de datos y uso de inteligencia computacional para la determinación de perfiles de insolvencia económica
Laura Guerra, Dulce Rivero, Alexander Ortiz, Eleazar Díaz Camacho, Santiago Quishpe
Esta investigación tiene como objetivo desarrollar un prototipo de un modelo predictivo para la deserción estudiantil universitaria a partir de la evaluación de cinco algoritmos de analítica de datos (KNN, árbol de decisión, random forest, SVM y redes neuronales), considerando las variables independientes, características agrupadas como personales-cognitivas, académicas-organizacionales y socioeconómicas. Introducción En los últimos años, la analítica de datos ha sufrido un crecimiento exponencial, esto se debe, entre otras cosas, a su uso en una disciplina de la inteligencia artificial conocida como aprendizaje automático (machine learning). Los datos faltantes fueron reemplazados por los valores medios de la característica. 3.4.Mineria de datos Se seleccionaron cinco algoritmos para desarrollar el modelo predictivo, los cuales fueron KNN (Clasificador de vecino más cercano), árboles de decisión, Random Forest, Máquinas de soporte vectorial (SVM) y redes neuronales (Chee, C., Jaafar, J., Azziz, I., Hassan, M., Yeoh, W. (2019). Para la generación del modelo se utilizó la API Scikit-learn (https://scikit-learn.org/ stable/about.html#history) cada algoritmo fue entrenado con el 60% de los datos y el 40% restante se utilizó para probar los modelos y encontrar las métricas utilizadas para evaluar cada modelo.
