Identificación de la deserción escolar usando técnicas de selección de características en modelos de aprendizaje automático

Abstract

Este estudio aborda el reto de identificar a los estudiantes que abandonan los estudios centrándose en la selección de características o variables relevantes. Aplicamos cinco técnicas de selección de características: ANOVA, información mutua, selección secuencial hacia delante, eliminación recursiva de características y el operador de selección y reducción mínima absoluta, y destacamos las características sociodemográficas clave. Los resultados mostraron que el modelo KNN de información mutua obtuvo la precisión y la puntuación F1 más altas (99,05 %), mientras que SFS proporcionó resultados óptimos para los árboles de decisión y las máquinas de vectores de apoyo. Estos resultados ponen de manifiesto el papel fundamental de las técnicas de selección de características a la hora de identificar las variables que afectan significativamente a la eficacia de los modelos predictivos.