Clasificación de municipios colombianos según rendimiento agrícola usando técnicas de aprendizaje automático

Abstract

El presente trabajo de grado tiene como objetivo general desarrollar un modelo de clasificación supervisada con técnicas de aprendizaje automático en el lenguaje Python, fundamentado en los registros históricos de las Evaluaciones Agropecuarias Municipales (EVA) para el periodo 2019-2024, para categorizar los municipios colombianos según su rendimiento agrícola y generar información útil para la toma de decisiones. Para ello, la metodología empleada es de tipo cuantitativa, descriptiva y aplicada, bajo un enfoque estrictamente computacional. La metodología adoptada comprendió una fase inicial de depuración técnica que consolidó un conjunto final de 125.227 registros. A través de la ingeniería de características, se formularon cinco indicadores: Productividad Real, Eficiencia de Cosecha, Índice de Pérdida, Participación del Cultivo y Variabilidad Histórica. Estos parámetros permitieron estructurar cuatro perfiles de desempeño municipal (Eficiente, Productivo, Estable y Vulnerable) como variable objetivo para el entrenamiento. Finalmente, se evaluaron y compararon los algoritmos de Árbol de Decisión y Random Forest. Los resultados evidenciaron la superioridad del clasificador Random Forest, el cual obtuvo una exactitud global del 82,3%. Adicionalmente, la extracción de importancia de variables determinó que el Índice de Pérdida (44,8%) y la Variabilidad Histórica (33,4%) son los factores con mayor influencia en la definición del desempeño territorial.