Predicción de demanda turística mensual en la región Cusco mediante modelos de aprendizaje supervisado

[Francesco Contreras]

Tema: Predicción de demanda turística mensual en la región Cusco mediante modelos de aprendizaje supervisado
Integrantes:

• Muñoz Cañabe, Luis

• Contreras Avendaño, Juan Sebastian Francesco

• Oha Quispe, Derly

• Pedraza Palomino, Lourdes Valeria

Resumen:
La región Cusco requiere pronósticos turísticos confiables para su planificación hotelera. Este trabajo desarrolla modelos de aprendizaje supervisado para predecir los arribos mensuales a hospedajes utilizando datos oficiales verificados (2010–2023) y cuarenta variables exógenas (estacionalidad, choques, macroeconomía y demanda digital). Para garantizar una evaluación honesta, no se imputaron meses faltantes y el total se derivó sumando los segmentos nacional y extranjero. Tras seleccionar variables, la regresión Ridge resultó el mejor modelo: R²=0.44 (nacional), 0.78 (extranjero) y 0.81 (total, con MAPE de 14%). Esta alta precisión supera la línea base estacional, brindando a la industria una herramienta efectiva para dimensionar con antelación servicios y personal.