La predicción del sentido del voto ha sido un problema que se ha abordado desde el nacimiento de la democracia misma. Este es un problema multifacético, debido al constante y cambiante carácter de la sociedad y la infinidad de diferencias que construyen la individualidad de las personas. La importancia de la elección de un presidente es una que impacta múltiples aspectos de la vida política, económica y social de un país. Es por esto que la previsión del resultado electoral sirve como principio importante de planificación en muchos sentidos. Uno de estos sentidos sería el económico ya que la diferencia en corrientes entre candidatos puede poner el riesgo la operación de industrias enteras que pueden afectar el rumbo económico.
La metodología a utilizar es se construye en tres partes. La primera parte es sobre la definición de de los datos a utilizar, siendo la limpieza de la base de datos y la selección de variables lo más relevante, la segunda parte consiste en el uso de la metodología de Extreme Gradient Boosting (XGBoost) o refuerzo de gradientes extremo para el entrenamiento del modelo en base a los datos de 2016 y por último la tercera parte consiste en la generación de resultados al utilizar el modelo de datos entrenado con los datos de 2016 para predecir el voto en la elección presidencial de 2020 en Estados Unidos de América.
Gracias por su contribución a nuestra conferencia MOL2NET-09, Conference on Molecular, Biomedical, Computational, & Network Science and Engineering, ISSN: 2624-5078, MDPI SciForum, Basel, Switzerland, 2023.
En estos momentos la conferencia está cerrada para envios y hemos comenzado la ronda de Post-publicación con preguntas/comentarios en línea a los autores mediante el evento REVIEWWWERS.PUB-09, Reviewers, Pre-Prints, & Post-Publication Workshop, Bilbao-Miami, USA, 2023.
En cuanto a su trabajo, tenemos la siguiente pregunta para el(los) autor(es):
Porqué usar solo datos relacionados a 2016, ha considerado incorporar un rango mucho más amplio de años?
Participación de REVIEWWWERS'23:
También te invitamos a participar en el Taller REVIEWWWERS.PUB, que ya está abierto, realizando preguntas a otros autores.
Los pasos son muy fáciles. Instrucciones:
Paso (1), Regístrese/Inicie sesión aquí [Registrarse/Iniciar sesión] en la plataforma Sciforum, ó en el enlace https://login.mdpi.com/login.
Paso (2), vaya a [Lista de Trabajos MOL2NET'23] ó al enlace https://mol2net-09.sciforum.net/presentations/view.
Paso (3), desplácese hacia abajo en la lista de artículos y haga clic en un título.
Paso (4): Lea el artículo y luego desplácese hacia abajo y haga clic en el botón Comentar, publique su comentario/pregunta, siempre en un tono constructivo, y haga clic en enviar.
Paso (5): Repita el proceso de revisión para otros artículos.
Paso (6), Verifique en su correo electrónico respuestas de los autores y contra-argumente/agradesca por ello si lo cree necesario.
Paso (7), Recuerde verificar en su correo si ha tenido preguntas a su(s) propio(s) trabajo(s) y respondala(s).
Paso (8), Solicitar certificado al correo electrónico: mol2net.chair@gmail.com.
Ver detalles REVIEWWWERS.PUB-09, enlace https://mol2net-09.sciforum.net/reviewwwers-09.
