Caracterización de los municipios de Colombia según el potencial de crecimiento del ingreso por impuesto predial utilizando Machine Learning

Abstract

El presente trabajo explora el potencial de crecimiento de los municipios de Colombia, utilizando aprendizaje automático para generar una recomendación que permita identificar lugares con crecimiento acelerado en el mediano plazo y entender las características que hacen estos destinos interesantes, ya que es complejo reconocerlos por la falta de información integrada. Como objetivo se buscó realizar la caracterización de los municipios mediante metodología CRISP-DM, y para lograrlo, se definió un factor de potencial de crecimiento y se identificaron las variables que explican este comportamiento. Se dispuso de información de todos los municipios de Colombia de 2008 al 2020, teniendo como variable objetivo el crecimiento anual de ingresos por impuesto predial, complementado con 1971 variables provenientes de fuentes oficiales como el DANE, DNP, Ministerio de Educación y Salud entre otros. Se utilizó un novedoso ensamble de técnicas de selección de variables donde se ejecutaron algoritmos de PCA, XGBOOST, Random Forest, RFE y SelectKBest, para seleccionar finalmente 600 variables que permitieron entrenar modelos de clasificación y regresión, identificando el de mejor desempeño para lograr crear un factor de potencial de crecimiento, que generó la posibilidad de agrupar los municipios en 5 categorías e identificar como variables de salud, educación, población, seguridad, pobreza, agricultura, justicia y economía explican el éxito de unos municipios donde es conveniente buscar oportunidades de inversión.