Modelo de machine learning para la clasificación de municipios por cultivos ilícitos en Colombia de 2010 a 2020

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.

• Autores: Narváez Figueroa, Andrés Eduardo; Cáceres Castellanos, Gustavo; González Sanabria, Juan Sebastián
• Tipo de recurso: Article of journal
• Fecha de publicación: 2022
• Institución: Corporación Universidad de la Costa
• Repositorio: REDICUC - Repositorio CUC
• Idioma: eng
• OAI Identifier: oai:repositorio.cuc.edu.co:11323/12371
• Acceso en línea: https://hdl.handle.net/11323/12371; https://doi.org/10.17981/ingecuc.19.1.2023.05
• Palabra clave: Unsupervised Classification; Illicit crops; data mining; fight against drugs; cocaine; Colombia; clasificación no supervisada; cultivos ilícitos; minería de datos; lucha contra la droga; Cocaína; Colombia
• Rights: openAccess
• License: INGE CUC - 2022