Comparación de cinco modelos de Machine Learning para la predicción de las elecciones presidenciales en Colombia: una perspectiva con datos composicionales
Comunicaciones en Estadística · 2025
DOI: 10.15332/23393076.11212 ↗Kurz gefasst
Fachartikel in der Zeitschrift Comunicaciones en Estadística, 2025. Verfasst von Paula Andrea Leal Varón und 2 weiteren Autor:innen. Die Arbeit wurde bisher 1-mal zitiert (Crossref). Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).
Abstract (Originalsprache)
En los últimos años, numerosas investigaciones han empleado técnicas de Machine Learning y análisis de datos composicionales en distintos campos de estudio. Sin embargo, su integración en el análisis electoral sigue siendo escasa. Por tal razón, este trabajo integra ambos enfoques aplicando cinco modelos de machine learning: Random Forest, Gradient Boosting, Support Vector Machines, K-Nearest Neighbors y Feedforward Neural Networks, para predecir los resultados de las elecciones presidenciales en Colombia a nivel municipal, considerando los datos como composicionales. Específicamente, se pronostica la distribución de votos de cada municipio en el espectro ideológico unidimensional Izquierda-Derecha. De esta forma, se busca no solo mejorar la precisión de las predicciones, sino también generar un avance importante en las metodologías aplicadas al análisis electoral. Los modelos se entrenaron con el 70% de los datos de las elecciones presidenciales entre 2002 y 2022, y se evaluó su rendimiento en el 30% restante. Los algoritmos mostraron desempeños similares entre las transformaciones de cada espectro ideológico con porcentajes de variabilidad entre el 56% y 94% en la predicción de la proporción de votos, destacándose el modelo de Feedforward Neural Networks con la transformación log-cociente centrada, que alcanzó los mejores resultados.
Zitieren
APA
Varón, P. A. L., Ortiz, G. A. G., & Pineda-Ríos, W. (2025). Comparación de cinco modelos de Machine Learning para la predicción de las elecciones presidenciales en Colombia: una perspectiva con datos composicionales. Comunicaciones en Estadística. https://doi.org/10.15332/23393076.11212
Vancouver
Varón PAL, Ortiz GAG, Pineda-Ríos W. Comparación de cinco modelos de Machine Learning para la predicción de las elecciones presidenciales en Colombia: una perspectiva con datos composicionales. Comunicaciones en Estadística. 2025. doi:10.15332/23393076.11212
BibTeX
@article{Varn2025,
author = {Varón, Paula Andrea Leal and Ortiz, Germán And´res Galeano and Pineda-Ríos, Wilmer},
title = {Comparación de cinco modelos de Machine Learning para la predicción de las elecciones presidenciales en Colombia: una perspectiva con datos composicionales},
journal = {Comunicaciones en Estadística},
year = {2025},
doi = {10.15332/23393076.11212}
}
EUVIMED