Renato Eduardo Delgado Huacallo  
Universidad Nacional de San Agustín.  
Arequipa, Perú.  
Christian Ilachoque Hanccoccallo  
Universidad Nacional de San Agustín.  
Arequipa, Perú.  
rdelgadoh@unsa.edu.pe  
cilachoque@unsa.edu.pe  
https://orcid.org/0000-0002-6222-5294  
https://orcid.org/0000-0003-4468-6713  
Felman Luque Sanabria  
Universidad Nacional de San Agustín.  
Arequipa, Perú.  
Jose Maykol Paniura Huamani  
Universidad Nacional de San Agustín.  
Arequipa, Perú.  
fluques@unsa.edu.pe  
jpaniura@unsa.edu.pe  
https://orcid.org/0000-0001-6322-0228  
https://orcid.org/0000-0002-3031-9317  
ARK: ark:/42411/s9/a71  
PURL: 42411/s9/a71  
RECIBIDO 20/06/2022 ● ACEPTADO 31/07/2022 ● PUBLICADO 30/09/2022  
RESUMEN  
La obesidad es un problema para la salud pública que afecta a la población mundial es por eso  
que el presente trabajo está orientado a presentar una solución informática para la estimación y  
predicción de niveles de obesidad haciendo posible que una persona pueda conocer su estado  
físico actual, para esto se usó un dataset de personas con obesidad de distintos países como Perú,  
México y Colombia basándose en sus hábitos alimenticios y su condición física, creando con todos  
estos datos un árbol de decisión.  
Palabras claves: Obesidad, árbol de decisión, nivel de obesidad.  
ABSTRACT  
Obesity is a public health problem that affects the world population, that is why the present work  
is oriented to present a computer solution for the estimation and prediction of obesity levels,  
making it possible for a person to know their current physical condition for this we used a dataset  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935  
of people with obesity from different countries like Peru, Mexico and Colombia based on their  
eating habits and their physical condition, creating a decision tree with all these data.  
Keywords: Obesity, decision tree, level of obesity.  
INTRODUCCIÓN  
Es un hecho en el mundo que el problema de obesidad va en aumento, muchos años atrás está  
tan solo era un número pequeño dentro de la población mundial, pero este problema en la  
actualidad va en crecimiento, lo cual puede presentar un gran problema para la salud pública de  
infantes y adultos, cuyas consecuencias propias de un actuar negligente, representa pérdidas  
sustanciales, en razón a que la obesidad implica un estado vulnerable hacia otras enfermedades  
como puede ser el cáncer o problemas cardiovasculares que afectan al corazón [1,2].  
Según la Organización Mundial de la Salud (OMS) [3] desde 1975 los problemas de obesidad  
presentaron un incremento cercano al triple de su media habitual de aquel entonces,  
trasladándonos al año 2016 que servirá como punto de referencia y del cual destacan los  
siguientes datos: El 39% de adultos, considera aquellos de 18 años a más tenían sobrepeso y el  
1
3% eran obesos; más de 340 millones de niños y adolescentes, considera aquellos de 5 a 18  
años contaban con sobrepeso u obesidad y alrededor de 41 millones de niños menores a los 5  
años de edad contaban con sobrepeso u obesidad. Manifestando entonces, la poca o nula  
preocupación frente al problema, que en determinados casos deviene en consecuencias  
irreversibles y más aún teniendo en cuenta que el tratamiento para restablecer la salud y estado  
físico no es de periodicidad inmediata a lo cual este lapso de tiempo será de vital importancia  
para los individuos pertinentes al caso.  
Con el fin de adecuar cuidadosamente la información sobre este tema se ha tomando en cuenta  
algunos trabajos relacionados, de los que se pueden destacar los siguientes: El primero, hace un  
estudio en la población española de adultos, donde se evalúa la prevalencia de obesidad  
considerando mediciones antropométricas individuales, factores sociodemográficos, consumo  
alimentario, actividad física, estilos de vida y problemas de salud. Con el que se llegó a la  
conclusión de que existía una prevalencia de obesidad alta en varones con mayor edad, y este  
factor presenta relación inversa con el nivel socioeconómico. Además de que la probabilidad  
mínima de obesidad estaba relacionada a las personas con estilos de vida que incluían la actividad  
física y un sedentarismo moderado.[4]  
Como segundo trabajo, también realizado en España, en esta ocasión el estudio fue realizado a  
una población infantil. En este caso se evalúa la estimación de la prevalencia de sobrepeso en  
niños de entre 2 y 14 años, tomando en cuenta el Índice de Masa Corporal (IMC) y propiamente  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935  
dicho la edad y sexo de la población de niños y niñas. De este trabajo se obtuvo que la prevalencia  
de sobrepeso y obesidad alta era mayor en los varones [5].  
Un tercer trabajo, nos describe un proyecto de software realizado en Arequipa en el cual se  
analiza, diseña e implementa un modelo de minería de datos con datos recolectados de diferentes  
colegios del Perú para estimar en nivel de obesidad de una persona mediante el IMC, en el cual  
se hace uso del algoritmo de árboles de decisión para poder predecir un resultado de acuerdo a  
datos ingresados por el usuario en este caso el estudiante. Se usan varios algoritmos para esta  
tarea, tales como el J48, Multilayer Perceptrion, ForestPA, NaiveBayes, BayestNet asi obteniendo  
como resultado el mejor algoritmo que es J48 con una precisión del 94.38% [6].  
Como último trabajo relacionado tenemos una investigación en la cual se identifican las variables  
más influyentes en determinar el grado de obesidad por medio de técnicas de minería de datos,  
en esta se tiene 16 variables independientes y una variable dependiente la cual se identifica como  
grado de obesidad, se hace uso del algoritmo J48 y otras técnicas de inteligencia artificial para  
poder cumplir el objetivo, los resultados de la investigación muestran que las variables  
independientes más influyentes son el género, estatura, peso y el IMC, así también se obtiene  
que por el algoritmo J48 se obtiene un éxito superior al 97% mediante validación cruzada [7].  
En este trabajo se pretende utilizar un dataset recuperado del repositorio de Machine Learning  
UCI [8], el cual presenta datos para la estimación de distintos niveles de obesidad en personas  
de los países de México, Perú y Colombia, basados en sus hábitos alimenticios y condición física.  
Por todo lo descrito anteriormente, el presente trabajo tiene como objetivo principal presentar  
una solución informática para la estimación y/o predicción de niveles de obesidad de las personas  
que deseen conocer su estado físico; haciendo uso de la data set mencionado anteriormente y  
utilizando como técnica de análisis predictivo un árbol de decisión, el cual está implementado en  
el lenguaje de programación de Python.  
Trabajos relacionados  
En el trabajo de Moral et.al. [9], desarrollan una estrategia para evaluar variables que puedan  
influir en la aparición o evolución de la Diabetes tipo 2. La información almacenada de los  
pacientes incluye historias clínicas y datos de laboratorio; dicha información se encuentra  
almacenada en distintas bases de datos. La técnica utilizada es del Random Forest, el cual crea  
árboles de decisión para la clasificación; concluyendo que su mejor modelo obtenido es un  
Random Forest con 40 árboles y una profundidad de 5 para cada uno, listando además las  
variables más importantes para la predicción.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935  
Otro trabajo que se puede rescatar es el de Fierro et.al. [10], en donde realizan un análisis de  
tres modelos predictivos que están basados en Machine Learning, para obtener la predicción de  
la tendencia de los jóvenes al alcoholismo. Dentro del dataset se tiene información del estado  
familiar, lugar de vivienda de un joven, entre otros como variables de entrada. Como resultado  
de su análisis obtuvieron que el modelo con mayor precisión fue el modelo de Regresión Lineal,  
quedando por debajo el modelo KNN y el Árbol de decisión.  
Materiales y métodos o Metodología computacional  
Como se mencionó anteriormente, se recuperaron los datos acerca de la estimación de niveles  
de obesidad del repositorio de Machine Learning UCI [8], presentando información recolectada  
de personas de los países de Colombia, México y Perú; este dataset se compone de distintas  
variables de entrada (como el género, edad, altura, peso, historia familiar con sobrepeso, entre  
otras) y una variable de salida que representa el nivel de obesidad. A continuación, se hará una  
breve descripción de las variables de entrada restantes:  
-
-
-
-
-
-
-
-
-
-
-
FAVC: Consumo frecuente de alimentos ricos en calorías  
FCVC: Frecuencia de consumo de verduras  
NCP: Número de comidas principales  
CAEC: Consumo de alimentos entre comidas  
SMOKE: Fuma (Si o No)  
CH2O: Consumo de agua diario  
SCC: Seguimiento del consumo de calorías  
FAF: Frecuencia de actividad física  
TUE: Tiempo usando dispositivos tecnológicos  
CALC: Consumo de alcohol  
MTRANS: Transporte usado  
Entre las herramientas que se utilizaron, se tiene en primer lugar Google Collab, el cual nos  
permite ejecutar código de Python en el navegador para distintos usos, tales como IA, análisis de  
datos entre otros. Este servicio no requiere instalación y nos brinda la posibilidad de acceso a  
recursos computacionales sin costo.  
Nuestra otra herramienta usada es Scikit-learn es cual es una biblioteca, considerada como la  
más útil y sólida para lo que se refiere aprendizaje automático en Python, se basa principalmente  
en Numpy, SciPy y Matplolib. También se ha hecho uso de Pandas, usado para tareas destinadas  
a ciencias de datos y aprendizaje automático, está construido sobre el paquete Numpy.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935  
Como se indicó en la introducción, el modelo que se planea usar es el árbol de decisión; para ello  
se necesita tener el dataset en formato CSV y guardarlo en Google Drive para acceder desde el  
código Python. Antes de realizar el modelo, se necesita hacer una limpieza de datos para detectar  
datos anómalos, para ello se lee el archivo CSV y se grafican histogramas de los datos que  
pertenecen a las variables que se consideran necesarias a analizar, en este caso se verifican las  
variables de edad, altura y peso.  
Figura 1. Histograma de Edad  
Figura 2. Histograma de Altura  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935  
Figura 3. Histograma de Peso  
En dichos histogramas se pueden observar algunos datos que están muy alejados al conjunto con  
mayor cantidad de datos, por ende, se procede a filtrar el dataset, usando el siguiente código:  
Figura 4. Código para filtrar el dataset  
Una vez realizada la filtración del dataset, se procede a graficar de nuevo los histogramas, en  
este caso con todas las variables de entrada del dataset.  
Figura 5. Histogramas después de realizar el filtro  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935  
Después se utiliza un 20% de los datos para la realización de pruebas, y el 80% restante de los  
datos para realizar el entrenamiento. Ahora se procede con la creación del modelo de árbol de  
decisión, en esta oportunidad se plantea desarrollar un árbol con profundidad de 4. En adición se  
realiza la validación del entrenamiento usando la matriz de confusión y la métrica de exactitud  
del modelo; finalmente se procede a crear el árbol de decisión.  
Resultados y discusión  
En la validación del entrenamiento, primero se realizó la matriz de confusión dando como  
resultado lo siguiente:  
Figura 6. Matriz de confusión  
En cuanto a la exactitud del modelo, se obtuvo el valor de 0,724390243902439, lo cual indica  
que el modelo no es tan exacto, pero se consideraría aceptable.  
Figura 7. Resultado exactitud del modelo  
Para finalizar, se presenta el árbol de decisión que se generó en Python.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935  
Figura 8. Árbol de decisión generado  
Conclusiones  
Los resultados obtenidos a lo largo del proyecto en el que se ha utilizado un árbol de decisiones  
para aplicación práctica a un Dataset sobre nivel de obesidad, resultan en una exactitud de 0.7243  
que depende de la cantidad de datos de entrenamiento que se proporciona; aunque no es un  
valor bastante exacto, es un resultado aceptable.  
Para trabajos futuros se tiene pensado implementar y estudiar casos similares para realizar una  
comparación entre diferentes modelos de Machine Learning para poder evidenciar diferentes  
perspectivas de solución, así como analizar ventajas y desventajas que se encuentren para cada  
modelo.  
Referencias  
[
1] M. Malo Serrano, N. Castillo M. y D. Pajita D., "La obesidad en el mundo", Anales de la  
Facultad de Medicina, vol. 78, n.º 2, p. 67, julio de 2017. Accedido el 21 de junio de  
2
022. [En línea]. Disponible: https://doi.org/10.15381/anales.v78i2.13213  
[
2] L. M. T. Garcia, R. F. Hunter, K. Haye, C. D. Economos y A. C. King, "Un marco  
conceptual orientado a la acción para soluciones sistémicas de prevención de la obesidad  
infantil en Latinoamérica y en las poblaciones latinas de Estados Unidos", Obesity  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935  
Reviews, vol. 22, S5, octubre de 2021. Accedido el 21 de junio de 2022. [En línea].  
Disponible: https://doi.org/10.1111/obr.13354  
[3] Organización Mundial de la Salud (OMS), Nota descriptiva N°311 junio de 2016.  
Disponible en: http://www.who.int/mediacentre/factsheets/ fs311/es/  
[
4] Pérez-Rodrigo, C., Hervás Bárbara, G., Gianzo Citores, M. y Aranceta-Bartrina, J. (2021).  
Prevalencia de obesidad y factores de riesgo cardiovascular asociados en la población  
general española: estudio ENPE. Revista Española de Cardiología.  
https://doi.org/10.1016/j.recesp.2020.12.013  
[
5] Lasarte-Velillas, J. J., Hernández-Aguilar, M. T., Martínez-Boyero, T., Soria-Cabeza, G.,  
Soria-Ruiz, D., Bastarós-García, J. C., Gil-Hernández, I., Pastor-Arilla, C. y Lasarte-Sanz,  
I. (2015). Estimación de la prevalencia de sobrepeso y obesidad infantil en un sector  
sanitario de Zaragoza utilizando diferentes estándares de crecimiento. Anales de  
Pediatría, 82(3), 152–158. https://doi.org/10.1016/j.anpedi.2014.03.005  
[
[
[
6] M. Ticona, "Sistema Para la Predicción de Obesidad en la Adolescencia Utilizando  
Técnicas de Minería de Datos", Universidad Católica de Santa María, Arequipa, 2018.  
Accedido el 21 de junio de 2022. [En línea]. Disponible en:  
http://tesis.ucsm.edu.pe/repositorio/handle/UCSM/8305  
7] O. D. Castrillón, "Las variables más influyentes en la obesidad: un análisis desde la  
minería de datos", Información tecnológica, vol. 32, n.º 6, pp. 123–132, diciembre de  
2
021. Accedido el 23 de junio de 2022. [En línea]. Disponible en:  
https://doi.org/10.4067/s0718-07642021000600123.  
8] F. Mendoza Palechor y A. de la Hoz Manotas. (2019). UCI Machine Learning Repository:  
Estimation of obesity levels based on eating habits and physical condition Data Set. [En  
línea] Available:  
https://archive.ics.uci.edu/ml/datasets/Estimation+of+obesity+levels+based+on+eating  
+habits+and+physical+condition+. [Accedido: Jun 21, 2022]  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935  
[
9] MORAL, D. R., & GARCIA, L. C. ANALISIS PREDICTIVO EN DIABETES TIPO 2 USANDO  
ESTRUCTURAS BIG DATA A. RODRIGUEZ 1, 2, V. SUAREZ-ULLOA1, C. TILVE ALVAREZ1,  
P. PUIG GALLEGO1, A. SOTO GONZALEZ1.  
[10] Fierro, F. S., Castañeda, J., & Revelo-Aldás, M. (2022). Modelos predictivos para la  
estimación de adolescentes con tendencia al alcoholismo. AXIOMA, 1(26), 74-79.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 3 Nº 2 Septiembre - Febrero 2022 ISSN Nº 2708-0935