Cambios

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "SI Valdez, A Hern\u00e1ndez-Baena", 
2
  "author": "SI Valdez, A Hern\u00e1ndez-Baena", 
            
3
  "author_email": null, 
3
  "author_email": null, 
            
4
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
4
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
            
5
  "extras": [
5
  "extras": [
            
6
    {
6
    {
            
7
      "key": "A\u00f1o", 
7
      "key": "A\u00f1o", 
            
8
      "value": "2021"
8
      "value": "2021"
            
9
    }, 
9
    }, 
            
10
    {
10
    {
            
11
      "key": "DOI", 
11
      "key": "DOI", 
            
12
      "value": "https://doi.org/10.1109/enc53357.2021.9534830"
12
      "value": "https://doi.org/10.1109/enc53357.2021.9534830"
            
13
    }, 
13
    }, 
            
14
    {
14
    {
            
15
      "key": "Google Scholar URL", 
15
      "key": "Google Scholar URL", 
            
16
      "value": 
16
      "value": 
            
17
gesize=100&sortby=pubdate&citation_for_view=MG1jyREAAAAJ:ZfRJV9d4-WMC"
17
gesize=100&sortby=pubdate&citation_for_view=MG1jyREAAAAJ:ZfRJV9d4-WMC"
            
18
    }, 
18
    }, 
            
19
    {
19
    {
            
20
      "key": "Identificador hash", 
20
      "key": "Identificador hash", 
            
21
      "value": "e0212b4424de"
21
      "value": "e0212b4424de"
            
22
    }, 
22
    }, 
            
23
    {
23
    {
            
24
      "key": "Lugar de publicaci\u00f3n", 
24
      "key": "Lugar de publicaci\u00f3n", 
            
25
      "value": "2021 Mexican International Conference on Computer 
25
      "value": "2021 Mexican International Conference on Computer 
            
26
Science (ENC), 1-8, 2021"
26
Science (ENC), 1-8, 2021"
            
27
    }, 
27
    }, 
            
28
    {
28
    {
            
29
      "key": "Tipo", 
29
      "key": "Tipo", 
            
30
      "value": "Publicaci\u00f3n"
30
      "value": "Publicaci\u00f3n"
            
31
    }, 
31
    }, 
            
32
    {
32
    {
            
33
      "key": "Tipo de publicaci\u00f3n", 
33
      "key": "Tipo de publicaci\u00f3n", 
            
34
      "value": "Conferencia"
34
      "value": "Conferencia"
            
35
    }, 
35
    }, 
            
36
    {
36
    {
            
37
      "key": "URL directo", 
37
      "key": "URL directo", 
            
38
      "value": 
38
      "value": 
            
39
"https://ieeexplore.ieee.org/abstract/document/9534830/"
39
"https://ieeexplore.ieee.org/abstract/document/9534830/"
            
40
    }
40
    }
            
41
  ], 
41
  ], 
            
42
  "groups": [
42
  "groups": [
            
43
    {
43
    {
            
44
      "description": "", 
44
      "description": "", 
            
45
      "display_name": "Publicaciones", 
45
      "display_name": "Publicaciones", 
            
46
      "id": "8be672a5-4640-455e-a4f3-46b52b66c07b", 
46
      "id": "8be672a5-4640-455e-a4f3-46b52b66c07b", 
            
47
      "image_display_url": "", 
47
      "image_display_url": "", 
            
48
      "name": "publicaciones", 
48
      "name": "publicaciones", 
            
49
      "title": "Publicaciones"
49
      "title": "Publicaciones"
            
50
    }
50
    }
            
51
  ], 
51
  ], 
            
52
  "id": "2056db54-f6b0-4d40-b019-83496fa69439", 
52
  "id": "2056db54-f6b0-4d40-b019-83496fa69439", 
            
53
  "isopen": false, 
53
  "isopen": false, 
            
54
  "license_id": null, 
54
  "license_id": null, 
            
55
  "license_title": null, 
55
  "license_title": null, 
            
56
  "maintainer": null, 
56
  "maintainer": null, 
            
57
  "maintainer_email": null, 
57
  "maintainer_email": null, 
            
58
  "metadata_created": "2025-10-21T09:01:28.409516", 
58
  "metadata_created": "2025-10-21T09:01:28.409516", 
            
n
59
  "metadata_modified": "2025-10-21T09:01:28.409526", 
n
59
  "metadata_modified": "2025-10-21T09:01:28.922389", 
            
60
  "name": "e0212b4424de", 
60
  "name": "e0212b4424de", 
            
61
  "notes": "In the last two decades, violence and homicides have been 
61
  "notes": "In the last two decades, violence and homicides have been 
            
62
consistently increasing in Mexico; the official data shows relations 
62
consistently increasing in Mexico; the official data shows relations 
            
63
to other crimes and time-dependent territorial patterns. Even though 
63
to other crimes and time-dependent territorial patterns. Even though 
            
64
this phenomenon has been studied from different perspectives, from 
64
this phenomenon has been studied from different perspectives, from 
            
65
social sciences to geostatistical studies, to the best of our 
65
social sciences to geostatistical studies, to the best of our 
            
66
knowledge, machine learning and computational intelligence methods 
66
knowledge, machine learning and computational intelligence methods 
            
67
have not been applied to the Mexican case. This work presents a 
67
have not been applied to the Mexican case. This work presents a 
            
68
two-fold contribution; first, we compare the Bayesian Ridge 
68
two-fold contribution; first, we compare the Bayesian Ridge 
            
69
Regression, Linear Regression, Multilayer Perceptron, Ridge 
69
Regression, Linear Regression, Multilayer Perceptron, Ridge 
            
70
Regression, Linear Regression with Stochastic Gradient Descent, and 
70
Regression, Linear Regression with Stochastic Gradient Descent, and 
            
71
Support Vector Machine, for forecasting the number of homicides for 
71
Support Vector Machine, for forecasting the number of homicides for 
            
72
the future three months, in the 15 most violent municipalities of 
72
the future three months, in the 15 most violent municipalities of 
            
73
Mexico using as predictors a database of 50 crimes that are monthly 
73
Mexico using as predictors a database of 50 crimes that are monthly 
            
74
released by the Mexican Government. The methods' performance varies 
74
released by the Mexican Government. The methods' performance varies 
            
75
according to the predictors selected or extracted from the database 
75
according to the predictors selected or extracted from the database 
            
76
and the time window size. Hence, second, we use feature engineering 
76
and the time window size. Hence, second, we use feature engineering 
            
77
techniques for improving their performance by exhaustively testing 
77
techniques for improving their performance by exhaustively testing 
            
78
combinations of techniques. The resulting statistical measurements are 
78
combinations of techniques. The resulting statistical measurements are 
            
79
useful to find directions about the best-performed method, the best 
79
useful to find directions about the best-performed method, the best 
            
80
sliding or rolling time window, and the adequate functions for feature 
80
sliding or rolling time window, and the adequate functions for feature 
            
81
extraction.", 
81
extraction.", 
            
n
82
  "num_resources": 0, 
n
82
  "num_resources": 1, 
            
83
  "num_tags": 6, 
83
  "num_tags": 6, 
            
84
  "organization": {
84
  "organization": {
            
85
    "approval_status": "approved", 
85
    "approval_status": "approved", 
            
86
    "created": "2022-05-19T00:10:30.480393", 
86
    "created": "2022-05-19T00:10:30.480393", 
            
87
    "description": "Observatorio Metropolitano CentroGeo", 
87
    "description": "Observatorio Metropolitano CentroGeo", 
            
88
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
88
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
89
    "image_url": 
89
    "image_url": 
            
90
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
90
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
            
91
    "is_organization": true, 
91
    "is_organization": true, 
            
92
    "name": "observatorio-metropolitano-centrogeo", 
92
    "name": "observatorio-metropolitano-centrogeo", 
            
93
    "state": "active", 
93
    "state": "active", 
            
94
    "title": "Observatorio Metropolitano CentroGeo", 
94
    "title": "Observatorio Metropolitano CentroGeo", 
            
95
    "type": "organization"
95
    "type": "organization"
            
96
  }, 
96
  }, 
            
97
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
97
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
98
  "private": false, 
98
  "private": false, 
            
99
  "relationships_as_object": [], 
99
  "relationships_as_object": [], 
            
100
  "relationships_as_subject": [], 
100
  "relationships_as_subject": [], 
            
t
101
  "resources": [], 
t
101
  "resources": [
            
102
    {
            
103
      "cache_last_updated": null, 
            
104
      "cache_url": null, 
            
105
      "created": "2025-10-21T09:01:28.943625", 
            
106
      "datastore_active": false, 
            
107
      "description": "In the last two decades, violence and homicides 
            
108
have been consistently increasing in Mexico; the official data shows 
            
109
relations to other crimes and time-dependent territorial patterns. 
            
110
Even though this phenomenon has been studied from different 
            
111
perspectives, from social sciences to geostatistical studies, to the 
            
112
best of our knowledge, machine learning and computational intelligence 
            
113
methods have not been applied to the Mexican case. This work presents 
            
114
a two-fold contribution; first, we compare the Bayesian Ridge 
            
115
Regression, Linear Regression, Multilayer Perceptron, Ridge 
            
116
Regression, Linear Regression with Stochastic Gradient Descent, and 
            
117
Support Vector Machine, for forecasting the number of homicides for 
            
118
the future three months, in the 15 most violent municipalities of 
            
119
Mexico using as predictors a database of 50 crimes that are monthly 
            
120
released by the Mexican Government. The methods' performance varies 
            
121
according to the predictors selected or extracted from the database 
            
122
and the time window size. Hence, second, we use feature engineering 
            
123
techniques for improving their performance by exhaustively testing 
            
124
combinations of techniques. The resulting statistical measurements are 
            
125
useful to find directions about the best-performed method, the best 
            
126
sliding or rolling time window, and the adequate functions for feature 
            
127
extraction.", 
            
128
      "format": "HTML", 
            
129
      "hash": "", 
            
130
      "id": "058ebd87-5c46-468b-9d20-480932411679", 
            
131
      "last_modified": null, 
            
132
      "metadata_modified": "2025-10-21T09:01:28.926313", 
            
133
      "mimetype": null, 
            
134
      "mimetype_inner": null, 
            
135
      "name": "On the best-performed time window size for homicide 
            
136
count forecasting", 
            
137
      "package_id": "2056db54-f6b0-4d40-b019-83496fa69439", 
            
138
      "position": 0, 
            
139
      "resource_type": null, 
            
140
      "size": null, 
            
141
      "state": "active", 
            
142
      "url": 
            
143
esize=100&sortby=pubdate&citation_for_view=MG1jyREAAAAJ:ZfRJV9d4-WMC", 
            
144
      "url_type": null
            
145
    }
            
146
  ], 
            
102
  "state": "active", 
147
  "state": "active", 
            
103
  "tags": [
148
  "tags": [
            
104
    {
149
    {
            
105
      "display_name": "2021", 
150
      "display_name": "2021", 
            
106
      "id": "79560db5-a3ce-45a1-80a6-2de3f9c2cf63", 
151
      "id": "79560db5-a3ce-45a1-80a6-2de3f9c2cf63", 
            
107
      "name": "2021", 
152
      "name": "2021", 
            
108
      "state": "active", 
153
      "state": "active", 
            
109
      "vocabulary_id": null
154
      "vocabulary_id": null
            
110
    }, 
155
    }, 
            
111
    {
156
    {
            
112
      "display_name": "computer-science", 
157
      "display_name": "computer-science", 
            
113
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
158
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
            
114
      "name": "computer-science", 
159
      "name": "computer-science", 
            
115
      "state": "active", 
160
      "state": "active", 
            
116
      "vocabulary_id": null
161
      "vocabulary_id": null
            
117
    }, 
162
    }, 
            
118
    {
163
    {
            
119
      "display_name": "homicide", 
164
      "display_name": "homicide", 
            
120
      "id": "ca49d0d9-cf21-44f8-bc1a-6ede24e467b9", 
165
      "id": "ca49d0d9-cf21-44f8-bc1a-6ede24e467b9", 
            
121
      "name": "homicide", 
166
      "name": "homicide", 
            
122
      "state": "active", 
167
      "state": "active", 
            
123
      "vocabulary_id": null
168
      "vocabulary_id": null
            
124
    }, 
169
    }, 
            
125
    {
170
    {
            
126
      "display_name": "statistics", 
171
      "display_name": "statistics", 
            
127
      "id": "84809f63-42b4-49c3-92d4-1de7f603167f", 
172
      "id": "84809f63-42b4-49c3-92d4-1de7f603167f", 
            
128
      "name": "statistics", 
173
      "name": "statistics", 
            
129
      "state": "active", 
174
      "state": "active", 
            
130
      "vocabulary_id": null
175
      "vocabulary_id": null
            
131
    }, 
176
    }, 
            
132
    {
177
    {
            
133
      "display_name": "svaldez", 
178
      "display_name": "svaldez", 
            
134
      "id": "f42a8210-1cef-4f03-98a0-a6d3d0d4f848", 
179
      "id": "f42a8210-1cef-4f03-98a0-a6d3d0d4f848", 
            
135
      "name": "svaldez", 
180
      "name": "svaldez", 
            
136
      "state": "active", 
181
      "state": "active", 
            
137
      "vocabulary_id": null
182
      "vocabulary_id": null
            
138
    }, 
183
    }, 
            
139
    {
184
    {
            
140
      "display_name": "window-computing", 
185
      "display_name": "window-computing", 
            
141
      "id": "e7b015b1-4d4a-4093-a081-931743fd6254", 
186
      "id": "e7b015b1-4d4a-4093-a081-931743fd6254", 
            
142
      "name": "window-computing", 
187
      "name": "window-computing", 
            
143
      "state": "active", 
188
      "state": "active", 
            
144
      "vocabulary_id": null
189
      "vocabulary_id": null
            
145
    }
190
    }
            
146
  ], 
191
  ], 
            
147
  "title": "On the best-performed time window size for homicide count 
192
  "title": "On the best-performed time window size for homicide count 
            
148
forecasting", 
193
forecasting", 
            
149
  "type": "dataset", 
194
  "type": "dataset", 
            
150
  "url": 
195
  "url": 
            
151
esize=100&sortby=pubdate&citation_for_view=MG1jyREAAAAJ:ZfRJV9d4-WMC", 
196
esize=100&sortby=pubdate&citation_for_view=MG1jyREAAAAJ:ZfRJV9d4-WMC", 
            
152
  "version": null
197
  "version": null
            
153
}
198
}