Optimización de hiperparámetros en algoritmos de aprendizaje no supervisado para la detección de anomalías en contrataciones públicas del Paraguay

Resumen

Este estudio aborda la optimización de hiperparámetros en algoritmos de aprendizaje no supervisado aplicados a la detección de anomalías en contrataciones públicas en Paraguay. El principal objetivo es desarrollar una herramienta capaz de identificar irregularidades en los procesos de contratación, utilizando datos abiertos proporcionados por la Dirección Nacional de Contrataciones Públicas. La metodología sigue el estándar de la industria CRISP-DM e incluye la recopilación, transformación y preparación de los datos, seguida de la aplicación de los algoritmos Isolation Forest, Local Outlier Factor y One-Class SVM. La optimización de los hiperparámetros se lleva a cabo mediante técnicas de grid search y random search, además se aborda el desbalanceo de clases en los datos utilizando la técnica de oversampling SMOTE. Los resultados indican que, aunque los modelos con valores altos en la métrica de recall detectan la mayoría de las anomalías, presentan un elevado número de falsos positivos. En contraste, para obtener modelos con altos valores de precisión, se requiere de un balanceo del conjunto de datos, disminuyendo considerablemente los falsos positivos en sacrificio de no identificar todas las anomalías. En conclusión, es deseable trabajar en un correcto etiquetado y balanceo del conjunto de datos de entrenamiento para mejorar la precisión y la utilidad práctica de los modelos.