INTEGRANTES:
- Alexander Diaz
Luis Blanco
Seyda Huatuco
Este trabajo presenta el desarrollo de un modelo de machine learning para predecir la demanda diaria de atenciones en la SUNARP, sede Chiclayo. A partir de un dataset de 714 registros (periodo 2023-2025) que integra variables de capacidad operativa y factores temporales, se compararon los algoritmos de Regresión Lineal Múltiple, Random Forest y REPTree mediante validación cruzada. Los resultados determinaron que la Regresión Lineal obtuvo el mejor desempeño, alcanzando un coeficiente de correlación de 0.70 y un Error Absoluto Medio (MAE) de 53.58. Estos hallazgos confirman la naturaleza lineal y estacional de la demanda registral, permitiendo que la institución transite de una gestión de personal reactiva hacia una planificación proactiva y optimizada de sus recursos humanos para mejorar la eficiencia del servicio público.