Aplicación de Machine Learning para análisis de los fenómenos de violencia intrafamiliar en el departamento del Atlántico

Contenido principal de artículos

K. Chamorro
N. Laza
H. Noriega
R. Rojano
J. Vega
D. Heredia

Palabras clave

Machine Learning, violencia intrafamiliar, estudios de hechos

Resumen

La finalidad de este artículo es presentar los resultados de una búsqueda global y caracterizar los hechos de violencia intrafamiliar presentados en el departamento del Atlántico; al recolectar información de estudios hechos a nivel mundial, en los continentes europeos, el continente asiático, y el continente americano, al igual, cuáles son los países más afectados por la violencia intrafamiliar, se ubica a Colombia en el puesto 147 de 162 países evaluados, siendo el número 1 el puesto
correspondiente al país más pacífico. Partiendo de esto, hicimos un enfoque en el país, más específicamente en el departamento del atlántico. A su vez a los datos recolectados se les aplicaron técnicas de Machine Learning.

Abstract 20 |

Referencias

[1] J. Pineda y L. Otero, «Género, violencia intrafamiliar e intervención pública en Colombia,» Revista de estudios sociales, nº 17, pp. 19-31, 2004.

[2] C. Caicedo, «LUCHA CONTRA LA VIOLENCIA INTRAFAMILIAR : PERSPECTIVAS DESDE LA EXPERIENCIA COLOMBIANA,» Diciembre 2005. [En línea]. Available: http://www.americalatinagenera.org/documentos/roster/ros_32_Lucha%20contra%20la%20violencia%20intrafamiliar.pdf. [Último acceso: Mayo 2021].

[3] E. N. I. y M. M.J., «What Is Machine Learning?,» de Machine Learning in Radiation Oncology, Springer International Publishing Switzerland, 2015, pp. 3-11.

[4] D. Heredia, Y. Amaya y E. Barrientos, «Student dropout predictive model using data mining techniques,» IEEE Latin America Transactions, vol. 13, nº 9, pp. 3127-3134, 2015.

[5] D. Heredia, J. Castillo, P. Sanmartin y V. Quintero, «Aplicación de técnicas de minería de datos sobre datos georreferenciados para obtener un modelo predictivo: Caso de Estudio Hurtos en la Ciudad de Barranquilla,» de Datos, Información, Tendencias, tres miradas sobre un contexto cambiante, Barranquilla, Ediciones Universidad Simón Bolívar, 2019, pp. 77-91.

[6] E. Fernandez y Y. Gomez, «Metodología para el análisis de la violencia en el departamento de Bolívar mediante técnicas de machine learning,» 2018. [En línea]. Available: http://repositorio.utb.edu.co/handle/20.500.12585/1118. [Último acceso: Febrero 2021].

[7] M. Hung, J. Wu, J. Chang y Y. D, «An Efficient k-Means Clustering Algorithm Using Simple Partitioning,» JOURNAL OF INFORMATION SCIENCE AND ENGINEERING, nº 21, pp. 1157-1177, 2005.

[8] E. Kulkarni y R. Kulkarni, «WEKA Powerful Tool in Data Mining,» de National Seminar on Recent Trends in Data Mining, 2016.

[9] L. Breiman, «Random Forests,» de Machine Learning, Berkley, Springer, 2001, p. 5–32.

[10] Z. Masetic y A. Subasi, «Congestive heart failure detection using random forest classifier,» Computer Methods and Programs in Biomedicine, vol. 130, pp. 54-64, 2016.

[11] C. Corso, «Aplicación de algoritmos de clasificación supervisada usando Weka.,» 2009. [En línea]. Available: https://www.investigacion.frc.utn.edu.ar/labsis/Publicaciones/congresos_labsis/cynthia/CNIT_2009_Aplicacion_Algoritmos_Weka.pdf. [Último acceso: Mayo 2021].

[12] S. Kapil y M. Chawla, «Performance evaluation of K-means clustering algorithm with various distance metrics,» de IEEE 1st International Conference on Power Electronics, Intelligent Control and Energy Systems (ICPEICES), 2016.

[13] R. M. V. R. Berlanga V., 1 Enero 2013. [En línea]. Available: http://hdl.handle.net/2445/43762. [Último acceso: Mayo 2021].

[14] P. Kapoor y R. Rani, «Efficient Decision Tree Algorithm Using J48 and Reduced Error Pruning,» International Journal of Engineering Research and General Science, vol. 3, nº 3, pp. 1613-1621, 2015.

[15] Policía Nacional de Colombia, «Datos abiertos,» Febrero 2021. [En línea]. Available: https://www.datos.gov.co/Seguridad-y-Defensa/Reporte-Delito-Violencia-Intrafamiliar-Polic-a-Nac/vuyt-mqpw. [Último acceso: Febrero 2021].

[16]. C.A. Gutiérrez, R. Almeida., y W. Romero, “Diseño de un modelo de migración acloud computing para entidades públicas de salud”, Investigación e Innovación en Ingenierías, vol. 6, n°. 1, pp. 10 - 26., 2018. DOI: https://doi.org/10.17081/invinno.6.1.2772

[17]. Y. L. Coronel Montaguht, J. P. Dolcey, y Morales González K., «Economi?a naranja: ¿cua?nto se puede exprimir?», ADGNOSIS, vol. 6, n.º 6, pp. 195–199, dic. 2017. [18]. W. A. Ceballos Betancur, «Tendencias de la responsabilidad social universitaria (RSU) de las instituciones d