Comparing regression models to predict property crime in high-risk Lima districts

El crimen sigue siendo un problema en la Lima Metropolitana, Perú, que afecta a la sociedad. Nuestro enfoque está en los crímenes contra la propiedad. Reconocimos la falta de estudios sobre la predicción de estos delitos. Para abordar este problema, utilizamos técnicas de regresión como XGBoost, Extra Tree, Vector de Soporte, Bagging, Random Forest y AdaBoost. A través de GridsearchCV optimizamos los hiperparámetros para mejorar nuestros hallazgos de investigación. Los resultados mostraron que la Regresión Extra Tree destacó como el modelo con un valor de R2 de 0.79. Además, se consideraron métricas de error como MSE (185.43), RMSE (13.62) y MAE (10.47) para evaluar el rendimiento del modelo. Nuestro enfoque considera patrones temporales en los incidentes delictivos, lo que contribuye a abordar el problema de la inseguridad de manera significativa.