Resumen de Machine learning model for the classification of municipalities by illicit crops in Colombia from 2010 to 2020

Andrés Eduardo Narváez Figueroa, Gustavo Cáceres Castellanos, Juan Sebastián González Sanabria

• español

  Introducción­— La Oficina de las Naciones Unidas contra la Droga y el Delito (UNODC) clasifica a Colombia como uno de los países donde el narcotráfico y el delito ponen en riesgo la seguridad, la paz y las oportunidades de desarrollo de los ciudadanos.

  Objetivo— Este artículo presenta la aplicación del algoritmo de clasificación no supervisado K-means para categorizar los municipios que tienen presencia de cultivos de coca en Colombia. Metodología: Se hizo uso de la metodología CRISP-DM, propia de la minería de datos, y para la correlación de variables se utilizó el algoritmo PCA (Análisis de Componentes Principales).

  Resultados— Se utilizaron múltiples fuentes de información como: el número de hectáreas de coca por municipio, incautaciones, laboratorios destruidos, erradicación manual y fumigación, monitoreadas por la institucionalidad nacional, con el fin de realizar cruces con variables socioeconómicas y de desempeño de los municipios que tienen cultivos de coca en el periodo de 2010 a 2020. Partiendo de la clasificación, se analizaron los escenarios de cada categoría para hallar escenarios que permitan dilucidar las dinámicas de los territorios que sufren este flagelo.

  Conclusiones— Se encontró que el comportamiento de los municipios productores de coca responde principalmente a 4 grupos. También se encuentra que el municipio de Tumaco en Nariño no encaja en ninguna categoría ya que excede la producción respecto a los demás municipios.

• English

  Introduction— The United Nations Office on Drugs and Crime (UNODC) classifies Colombia as one of the countries where drug trafficking and crime threaten the security, peace and development opportunities of its citizens.

  Objective— This article presents the application of the unsupervised K-means classification algorithm to categorize municipalities with coca cultivation presence in Colombia. Methodology- The CRISP-DM methodology was used for data mining, and the PCA (Principal Component Analysis) algorithm was used for the correlation of variables.

  Results— Multiple sources of information were used, such as: the number of hectares of coca per municipality, seizures, laboratories destroyed, manual eradication and fumigation, monitored by national institutions, in order to make crosses with socioeconomic and performance variables of the municipalities with coca crops in the period from 2010 to 2020. Based on the classification, the scenarios of each category were analyzed to find scenarios that allow elucidating the dynamics of the territories suffering from this scourge.

  Conclusions— It was found that the behavior of coca-producing municipalities responds mainly to 4 groups. It was also found that the municipality of Tumaco in Nariño does not fit into any category since it exceeds the production with respect to the other municipalities.