Modelo predictivo basado en Naive Bayes a través de Machine Learning Supervised y la deserción estudiantil, en centros de Educación Tecnológicos públicos de la región La Libertad

Resumen

La presente investigación, expresa un modelo predictivo, para estimar estudiantes con riesgo de abandonar los estudios en los centros de educación superior tecnológicos públicos de la región La Libertad. El modelo, se fundamenta en el algoritmo de clasificación, Naive Bayes en máquinas de aprendizaje supervisado guiado por la metodología CRISP DM. La investigación es aplicada, descriptiva, no experimental y diseño transversal. Los datos se obtienen de fichas socioeconómicas, matriculas y notas históricas, para obtener el Set de datos inicial, luego del procesamiento, se obtiene el set de datos definitivo. En la implementación, se usó Python, a través de júpiter notebook, de Google Colaboratory. Una parte del set de datos definitivo, se usó para entrenar, validar y otra para evaluar la confiabilidad del modelo. Se entrena un objeto del algoritmo, con el set definitivo, y obtiene el modelo predictivo. Generado el modelo, con el set de datos de prueba se realiza una predicción y evalúa la confiabilidad de los resultados. Con los resultados esperados del set de datos de prueba, se verifica un grado de confiabilidad del modelo obtenido del 93%. Para visualizar el número de patrones correctos e incorrectos reconocidos por el modelo, se usó la Matriz de Confusión.