%0 Thesis
%A Hernandez Infante, Julieth Tatiana
%8 2025/10
%U https://hdl.handle.net/20.500.12880/13612
%X El presente trabajo se centra en el diseño y desarrollo de un modelo de aprendizaje 
automático supervisado para predecir el éxito comercial de productos en el sector de 
la moda, tomando como base un conjunto de datos transaccionales con variables 
socioculturales. La problemática abordada responde a la necesidad del sector por 
anticiparse a las preferencias del consumidor y optimizar la toma de decisiones 
estratégicas en un entorno altamente competitivo y dinámico. 

Mediante el uso de herramientas de ciencia de datos y técnicas de minería de datos, 
se llevó a cabo un proceso completo que incluyó la limpieza y transformación del 
dataset, la selección de variables relevantes y la implementación de múltiples 
algoritmos de clasificación supervisada, tales como KNN, Random Forest, AdaBoost, 
entre otros. El modelo KNN obtuvo el mejor rendimiento en términos de precisión, 
exactitud y recall. 

Los resultados del proyecto evidencian la viabilidad de predecir con alta efectividad 
qué productos tienen mayores probabilidades de éxito, lo cual permite a las empresas 
del sector optimizar inventarios, ajustar campañas promocionales y priorizar productos 
con alto potencial. Además, se identificaron variables clave como el precio, el 
descuento y la cantidad, que influyen significativamente en la probabilidad de éxito 
comercial. 

Este trabajo contribuye a integrar inteligencia artificial y análisis predictivo en la 
industria de la moda, y sienta las bases para futuras ampliaciones mediante datos no 
estructurados, modelos más complejos y aplicaciones en entornos reales. 
%T Tendencias de consumo en moda: un enfoque predictivo desde la inteligencia artificial
%K Aprendizaje automático
%K Predicción de tendencias
%K Industria de la 
moda
%K Clasificación supervisada. 
%~ END