La falta de vivienda ha sido una preocupación social persistente en los Estados Unidos. Una combinación de eventos políticos y económicos desde la década de 1960 ha impulsado aumentos en la pobreza que, para 1991, habían superado los niveles de la era de la depresión de 1928 en algunas cuentas. Este documento explora cómo el emergente campo de la economía del comportamiento puede utilizar métodos de aprendizaje automático y ciencia de datos para explorar respuestas preventivas a la falta de vivienda. En este estudio, se utilizaron estrategias de minería de datos de aprendizaje automático, específicamente análisis de conglomerados K-means y posteriormente, árboles de decisión, para comprender cómo los factores ambientales y los comportamientos resultantes pueden contribuir a la experiencia de la falta de vivienda. La prevención del primer evento de falta de vivienda es especialmente importante, ya que los estudios muestran que si una persona ha experimentado la falta de vivienda una vez, es 2.6 veces más probable que tenga otro episodio de falta de vivienda. Los hallazgos del estudio demuestran que cuando alguien corre el riesgo de no poder pagar las facturas de servicios públicos al mismo tiempo que experimenta desafíos con dos o más de los otros determinantes sociales de la salud, es estadísticamente significativamente más probable que tenga su primer evento de falta de vivienda. Además, para los hombres mayores de 50 años que no están en la fuerza laboral, tienen dificultades de salud y experimentan dos o más otras dificultades de salud determinantes sociales al mismo tiempo, el individuo tiene una alta probabilidad estadísticamente significativa de experimentar la falta de vivienda por primera vez.