Comparación de k-vecinos más cercanos y suavizamiento exponencial en la predicción de morosidad de cuotas sociales del colegio de ingenieros del Perú consejo departamental Lambayeque

Abstract

El presente proyecto de investigación denominado “COMPARACIÓN DE KVECINOS MÁS CERCANOS Y SUAVIZAMIENTO EXPONENCIAL EN LA PREDICCION DE MOROSIDAD DE CUOTAS SOCIALES DEL COLEGUIO DE INGENIEROS DEL PERÚ CONSEJO DEPARTAMENTAL LAMBAYEQUE” se propone utilizar dos técnicas de predicción, donde se utiliza una computacional K-Vecinos más Cercanos, una estadística Suavizamiento Exponencial donde lo que se espera es saber que algoritmo es el más eficaz para predecir la morosidad, donde se utilizaran los datos de los Colegiados del Colegio de Ingenieros CDL. Donde se toma como guía estudios realizados en otros campos ya que en morosidad no hay hasta el momento un estudio que determine cualquier tipo de medición en el campo de morosidad. El objetivo principal es saber que algoritmo es el mejor para predecir la morosidad, donde se evaluara la precisión, especificidad y tiempo y así saber que técnica tiene mayor performance para un problema determinado, donde se empleara el proceso ETL para la extracción de los datos de los colegiados donde se tomara en cuenta los datos más relevantes para ser procesados con los algoritmos, donde se espera obtener un porcentaje aceptable, ya que no será lo mismos resultados que en las investigaciones anteriores planteadas en otros campos de investigación, done una vez obtenidos los resultados estos servirá para mejorar la toma de decisiones en el colegio de ingenieros, donde se estimara el nivel de morosidad según sea el volumen que se genere mensual u anual.