Comparación de un modelo de aprendizaje profundo frente a un método de recomendación para predicción de crímenes en Bucaramanga

Abstract

Los modelos de predicción del delito son una herramienta útil para construir estrategias de prevención en las ciudades, en Colombia dados los altos índices de criminalidad que se tienen es importante abordar la exploración de soluciones basadas en las últimas tecnologías y enfoques que han dado resultado en otros países para actuar de manera preventiva frente al delito, ya que las estrategias actuales en nuestro país son más reactivas, y además es importante analizar los resultados obtenidos con datos de una ciudad intermedia que tienen un volumen y calidad de datos menor a los que se tienen para ciudades más grandes como Bogotá o Medellín. La finalidad es explorar dos métodos propuestos recientemente para realizar predicción de crimen, usándolos sobre una ciudad de Colombia y evaluar su rendimiento. Los datos usados son las estadísticas criminales para la ciudad de Bucaramanga de los últimos 10 años, y también se toman datos de Google Maps para contextualizar el tipo de sitios presentes en el área donde se realiza la predicción. Para el desarrollo de los modelos se siguió la metodología CRISP-DM. Uno de los modelos propuestos está basado en el uso de redes neuronales profundas que se implementa usando el framework H2O y el otro en el uso de un método de recomendación basado en factorización de matrices. Los dos modelos mostraron un rendimiento similar, teniendo mejor resultado el modelo basado en la técnica de recomendación. Realizar este estudio aporta un conocimiento importante en cuanto al uso de técnicas distintas para la predicción de crimen en el caso de una ciudad colombiana de tamaño intermedio, y además el modelo de red neuronal es un objeto de java reusable para otras ciudades.