Abstract

LOPEZ, Jiang Wagner Mamani; LOPEZ, Juliana Mery Bautista  and  AGUADED, Ignacio. Modelo predictivo para identificar hogares beneficiarios de programas de transferencias monetarias: una comparación de técnicas de machine learning. RISTI [online]. 2025, n.57, pp.3-18.  Epub Mar 31, 2025. ISSN 1646-9895.  https://doi.org/10.17013/risti.n.57.3-18.

Los programas de transferencias monetarias son una herramienta clave para reducir la pobreza y mejorar el bienestar de los hogares vulnerables en países en desarrollo. Sin embargo, la correcta selección de beneficiarios sigue siendo un desafío. Este estudio evalúa distintas técnicas de machine learning para predecir la participación del programa Juntos en Perú, empleando datos de la Encuesta Nacional de Hogares (ENAHO) del 2023. Se compararon modelos como regresión logística, árboles de decisión, máquina de soporte vectorial, gradient boosting machine, bosque aleatorio, LightGBM, XGBoost y CatBoost. Los resultados muestran que XGBoost presenta el mejor desempeño en la clasificación de beneficiarios. Estos hallazgos resaltan el potencial de las técnicas de machine learning para fortalecer la asignación de recursos en programas sociales. Su implementación impulsaría la modernización de la gestión pública, permitiendo una gestión de recursos económicos fundamentada en datos.

Keywords : Transferencias Monetarias; Machine Learning; XGBoost; Optimización Bayesiana.

        · abstract in English     · text in Spanish     · Spanish ( pdf )