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.
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional