Predicción de costos de proyectos gubernamentales en Colombia

Abstract

Comprender los costos proyectados de los proyectos dentro de diversos sectores de un país es crucial para la asignación de recursos y la entrega oportuna. En Colombia, se puede acceder a datos completos de proyectos gubernamentales a través de la plataforma de datos abiertos del Gobierno Nacional. Utilizando estos conjuntos de datos del Departamento Nacional de Planeación, construimos un modelo predictivo que aprovecha el análisis de regresión para estimar los gastos asociados con las iniciativas gubernamentales. Se evalúan múltiples modelos de regresión para determinar cuál es el más eficaz para la implementación, utilizando diversas métricas de error de evaluación. Al combinar variables descriptivas en una variable unificada, aplicamos dos técnicas de minería de texto para discernir las variables más influyentes para su integración en los modelos predictivos. Al final, el modelo Adaboost combinado con TF-IDF surgió como la combinación de modelos más precisa, mostrando un error de precisión promedio (MAPE) del 17,6%, seguido de cerca por el modelo Random Forest combinado con TF-IDF con un MAPE de 17,9%.