Crime and economic factors in Medellín: a predictive study using machine learning[Crimen y factores económicos en Medellín]

Criminal activity hurts the quality of life and economic progress. With advancements in financial research and the use of machine learning to detect patterns, these techniques are now employed in various fields, including crime prevention. This study aims to predict the likelihood of different types of crimes in Medellín, Colombia, based on historical and sociodemographic data. Ordinary Least Squares, Random Forest, and Extreme Gradient Boosting models were used, achieving high accuracy. Key predictors include the proportion of men, people aged 16 to 30, unemployment rates, sisben membership, multidimensional poverty, housing deficits, and socioeconomic strata 1 and 2. La actividad delictiva repercute negativamente en la calidad de vida y el progreso económico. Con los avances en la investigación económica y el uso del aprendizaje automático para detectar patrones, estas técnicas se aplican ahora en diversos campos, incluida la prevención de la delincuencia. Este estudio predice la probabilidad de diferentes tipos de delitos en Medellín, Colombia, basándose en datos históricos y sociodemográficos. Se utilizaron modelos de Mínimos Cuadrados Ordinarios, Bosques Aleatorios y Extreme Gradient Boosting, logrando alta precisión. Los predictores claves incluyen la proporción de hombres, desempleo, afiliación al sisben, pobreza multidimensional y estratos socioeconómicos 1 y 2.