Análisis de datos sobre Licitaciones Públicas de Ecuador aplicando técnicas de explicabilidad de modelos basados en características para la mejora de toma de decisiones
Cargando...
Fecha
2024
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad de Guayaquil. Facultad de Ciencias Matemáticas y Físicas. Carrera de Tecnologías de la Información
Resumen
El presente proyecto investigativo se centra en el análisis de datos sobre licitaciones públicas de Ecuador con el propósito de proporcionar recomendaciones a las empresas sobre su participación aplicando técnicas de explicabilidad de modelos basados en características para la mejora de toma de decisiones. La plataforma de contrataciones públicas del país permite acceso rápido a datos abiertos, lo que facilita la extracción y el análisis.
Mediante los datos extraídos se comenzó con la exploración y la preparación de los datos, seleccionando las características más relevantes como el número de ofertantes y el monto ofertado. Se aplican algoritmos de clasificación como CatBoost, AdaBoost y Bosque Aleatorio para evaluar su desempeño predictivo, así como técnicas de explicabilidad como Feature Importance y SHAP para determinar las características que influyen en la toma de decisiones. Una vez realizado el estudio de los modelos se pudo comparar los resultados obtenidos. El modelo CatBoost demostró ser el más eficiente, alcanzando la mayor precisión predictiva, en comparación de AdaBoost y Bosque aleatorio, aunque también mostraron capacidad para clasificar correctamente los datos, pero con una menor precisión. En cuanto a las técnicas se pudo observar que Feature Importance resultó ser más interpretable para entender las variables influyentes de manera directa. Posteriormente, se procedió a crear una interfaz web que permite ingresar los datos de entrada y determinar si es recomendable que una empresa participe en una licitación.
Descripción
PDF
Palabras clave
Licitaciones, Toma de decisiones, Algoritmos, SHAP, Feature Importance