Detección de patrones de actividad delictiva mediante téccnias de Machine Learning

Resumen

San Andrés de Tumaco, presenta una situación de orden público que genera amenazas y extorsiones, siendo fuente de ingresos para los grupos armados ilegales(FIP - Ideas para la paz, 2022) e instrumento para el control social y económico. Es por ello que en este estudio se plantea realizar una aplicación que contribuya en la predicción de actividad delictiva en municipio de Tumaco, como herramienta para pronosticar la densidad de crecimiento delincuencial zonificada, como apoyo a los actores encargados de la seguridad en el municipio para realizar planes de mitigación y aprovechamiento eficiente del pie de fuerza. La situación de orden público que azota algunas zonas del departamento Nariño, entre ellas al municipio de Tumaco; Por su parte, las amenazas y las extorsiones: desafío a la paz territorial, muestra cómo “las redes extorsivas, configuran mecanismos a través de los cuales los grupos armados ilegales o delincuenciales se apropian de las actividades económicas de los territorios”(Defensoría Del Pueblo, 2022). El proyecto tiene como objetivo central el de Implementar un marco experimental de comparación del compromiso en métricas de calidad entre métricas de calidad y coste computacional en algoritmos supervisados y no supervisados de Machine Learning para la obtención de un modelo subóptimos de predicción de actividad delictiva para el municipio de Tumaco a través de la metodología KDD. La metodología se realizó mediante el Descubrimiento de Conocimiento en Base de Datos (Knowledge Discovery in Data-bases – KDD)(Data, 2022). Los resultados arrojan una base de datos de delitos para toda Colombia para los años 2010 a 2019; scripts de transformación y limpieza de la cual se obtienen las bases de datos de entrenamiento tanto para las técnicas supervisadas como para las no supervisadas. Se concluye que la aplicación de interpolación Kriging, para el desarrollo de esta investigación fue la más favorable ya que el procedimiento geoestadístico avanzado generó una superficie estimada a partir de un conjunto de puntos de actividad delictiva dispersados con valores z, obteniendo así una auto correlación, es decir, las relaciones estadísticas entre los puntos medidos.