Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Briñez de León, Juan CarlosHeredia Castillo, Linda María2025-07-082025-07-082025https://repositorio.uniremington.edu.co/handle/123456789/7562Este trabajo de investigación se centra en la predicción del comportamiento del Índice de Precios al Consumidor (IPC) en Colombia utilizando algoritmos de machine learning. Se analizan datos históricos de variación mensual del IPC desde 2014 hasta 2024, proporcionados por el DANE. Se exploran diferentes modelos predictivos, incluyendo regresión lineal, regresión polinómica, y varios algoritmos de machine learning como Random Forest, XGBoost y SVR. Los resultados indican que los modelos basados en Random Forest y XGBoost ofrecen el mejor rendimiento predictivo. Además, se observa que ni la ciudad ni la categoría tienen una relación lineal fuerte con el IPC mensual, sugiriendo la necesidad de explorar modelos no lineales. Este estudio destaca la importancia de utilizar datos limpios y modelos adecuados para mejorar la precisión de las predicciones económicas.19 p.application/pdfspaDerechos Reservados - Corporación Universitaria Remington, 2025Índice de Precios al Consumidor (IPC)Machine LearningPredicciónModelos no linealesRandom ForestAnálisis de datosTrabajo de grado - Especializacióninfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Aprendizaje automático (Inteligencia artificial)Predicciones tecnológicasÍndice de precios al consumidor