Del Monitoreo a la Predicción: Un Enfoque de Machine Learning para el Procesamiento de Incidencias y la Seguridad Predictiva en el Callao

La gestión de la seguridad ciudadana en la Provincia del Callao se ha fundamentado tradicionalmente en un paradigma reactivo. Este paper presenta una metodología de Machine Learning (ML) para habilitar la transición "Del Monitoreo a la Predicción", enfocándose en el análisis proactivo de incidencias operativas. Utilizando un dataset de 84,674 registros de la Central de Monitoreo de la MPC, se implementa un pipeline en Python para pronosticar la tipología de la incidencia (TIPO DE CASO). El estudio compara un modelo base de Regresión Logística con un modelo de ensamble (Random Forest). Los resultados demuestran que el modelo Random Forest (F1-Score: 0.7717) supera significativamente al modelo base (F1-Score: 0.7188). El análisis de importancia de características confirma que el modelo aprende patrones espacio-temporales, identificando la hora del día (hora_numerica) y el día de la semana (dia_de_la_semana) como los predictores más influyentes. Este trabajo valida la viabilidad de un sistema de clasificación predictiva para la optimización estratégica de recursos en la seguridad urbana.