Predicción de Importaciones de Alimentos Básicos en Perú mediante Machine Learning con Datos Reales del BCRP

[Jhon Anderson]

Tema: Predicción de Importaciones de Alimentos Básicos en Perú mediante Regresión Lineal
Múltiple, Support Vector Regression, Ensambles y Redes Bayesianas con Datos Reales del BCRP

Integrantes:
- Canepa Maceda, Jhafet Martin
- Coaguila Berrios, Hipólito
- Quispe Repuello, Jhon Anderson
- Herrera Padilla, Lenin Dixon

Resumen:
Se construye un marco reproducible para predecir el monto mensual de importación de alimentos
básicos del Perú (US$ CIF, 2005–2026) con datos oficiales del BCRP. Se comparan 15 modelos
(lineales, árboles, ensambles, SVR y redes neuronales) bajo pipelines y TransformedTargetRegressor
que evitan la fuga de información. Random Forest y la Regresión Lineal Múltiple obtienen el mejor
desempeño (R² ≈ 0,92; MAPE ≈ 8,5 %); el IPC Importado y la Producción Avícola explican más del 70 %
de la variabilidad, ofreciendo un tablero de control para la seguridad alimentaria.