que permite precisión y flexibilidad para la comprensión de datos complejos, sobre todo en ciencias sociales en los que estos pueden ser de difícil interpretación.

En contraste con métodos econométricos tradicionales, esta técnica de aprendizaje automático de máquinas analiza volúmenes grandes de información y de manera iterativa se ajusta para predecir con mayor precisión fenómenos complejos, como son los riesgos. Este modelo, ha sido una herramienta eficaz para la elaboración del Atlas de Riesgos para la Nutrición de la Niñez en México, transformando los datos en conocimiento de valor para formular soluciones basadas en evidencia.