Este artículo presenta una metodología novedosa para la predicción de la caza furtiva. Para superar las limitaciones de los modelos lineales existentes o los métodos basados en árboles de decisión, utilizamos un modelo generativo basado en la correspondencia de flujos. Para abordar los problemas de detección incompleta y escasez de datos sobre la caza furtiva en el mundo real, lo combinamos con un modelo de detección basado en la ocupación para aprender flujos en el espacio latente. Posteriormente, utilizamos flujos complejos inicializados con predicciones de modelos lineales para incorporar conocimiento previo y mejorar la generalización. Los resultados de la evaluación, utilizando conjuntos de datos de dos parques nacionales de Uganda, demuestran una mayor precisión de predicción.
