Evaluación del Modelo de Aprendizaje Automático

Supervisado y No Supervisado para Predecir

Promoción de Empleados
29 de junio del 2023

Alicia Rodríguez Aldo Morales Eric Jara

Tecnologia Analista Sistemas
Visma Latam Adecco Software y Sistemas del Perú sac
Lima, Perú Zúrich, Suiza Iquitos, Perú
alicia.rodriguez.c@uni.pe aldo.morales.c@uni.pe eric.jara.p@uni.pe

Resumen—En el estudio de este trabajo de investigación se II. ESTADO DEL ARTE

evaluó los modelos de Machine Learning Supervisado de
clasificación y No Supervisado de agrupación para este caso de A. Predicción del Rendimiento de los Empleados Mediante
evaluación de promoción de empleados en una agencia de Distintos Clasificadores Supervisados.
reclutamiento internacional. La lección de este estudio es, que (Merry Grace T. Li, Macrina Lazo, Ariel Kelly Balan y
el aprendizaje automático ayude a predecir que empleados Joel de Goma), la misión principal de esta evaluación del
puede ser promovidos por algoritmos Supervisados como rendimiento de los empleados es dar un premio a los
“J48”, “REPTree”, “Random Forest” y “MultilayerPerceptron”
empleados al alcanzar un objetivo propuesto por el negocio
y No Supervisado como “SimpleKMeans” con agrupaciones de
(meta) y también identificar las metas que no se cumplen en
2 y 4 de Cluster aplicados de una base de datos que contiene
una cantidad de registros de 52,249 que incluye información la organización. Esto es por motivo para garantizar el
como el identificador de los empleados, los departamentos del desarrollo organizacional en un futuro inmediato, entonces
empleado, nivel educativo, género, canal de contratación, edad, para hacer una evaluación automatizada se necesita utilizar la
duración de servicio, calificación previo, premios otorgados, tecnología de minería de datos para proporcionar la
promedio de evaluaciones y la variables objetivo que es la información suficiente para tomar decisiones claves en la
promoción. Finalmente, como resultado del análisis se da una cuestión laboral, es decir, ascensos, aumentos de sueldo y
propuesta de solución para hacer aplicable con datos en vivo y despidos.
predecir las evaluaciones en el mundo real.
En este trabajo de investigación se utilizó algoritmos de
Palabras clave—Aprendizaje Automático, Supervisado, No clasificación supervisada para poder predecir el rendimiento
Supervisado, clasificación, agrupación. de los empleados, los algoritmos utilizados es Support Vector
Machines, Random Forest, Naive Bayes, Neural Networks y
I. INTRODUCCIÓN Regresión Logística. Se utilizó los datos con las siguientes
La empresa Adecco con sede en Zúrich, Suiza, ha tomado características para este estudio:
su nombre y forma actuales con la fusión de Adia y Ecco, De
dos de las principales empresas de reclutamiento del mundo,
en 1996. La fundación de Adia por Henri-Ferdinand
Lavanchy en 1957 y la fundación de Ecco por Philippe
Foriel-Destezet en 1964, constituye la base de Adecco. Hoy,
con más de 5.000 oficinas en más de 60 países, Adecco es
una de las mejores agencias de contratación internacional.
El equipo de Recursos Humanos Adecco almacenó datos
del ciclo de promoción del año 2022, que consta la
información de todos los empleados que se contrataron para
empresas externas y también si fueron ascendidos o no, pero
cada vez que este proceso se retrasa debido a la gran cantidad
de detalles disponibles para cada empleado se hace difícil
comparar y decidir.
La empresa Adecco tiene la necesidad de mejorar la
modalidad de promoción de empleados para garantizar una
buena gestión de contrataciones, para esto se debe brinda
soluciones flexibles de contratación de personal de acuerdo a
los departamentos, como por ejemplo Finanzas, Ventas y
Marketing, Operaciones, Tecnología, etc. Gestión del
personal de acuerdo a la necesidad de trabajo que pueden
surgir como resultado del inicio de una campaña o temporada
alta de producción.
acuerdo a los resultados obtenido del estudio se encontró que

29 de Junio de 2023 XXX-X-XXXX-XXXX-X/XX/$XX.00 ©20XX IEEE

el algoritmo de Regresión Logística, árbol de decisión y
Naive Bayes dieron resultados similares pero el que fue más
efectivo es la Regresión Logística por su predicción del
rendimiento de los empleados.
B. Análisis y Predicción del Rendimiento de los Empleados
Mediante el Algoritmo K-Means Clustering y el Árbol de
Decisión.
su calidad y que consta de diecinueve categorías, las cuales
son; inteligencia, mentalidad, capacidad, planificación,
trabajo en equipo, expresión oral, expresión escrita etc. Esas
categorías son valoradas para poner en la escala de
rendimiento.

El empleado es un elemento muy importante en el

sistema organizacional, por motivo que llegar hacer un Los resultados de este trabajo se pueden observar por la
eslabón clave porque depende del rendimiento de los demostración gráfica de agrupación de los empleados en
empleados para que la empresa tenga éxito o un triste función a su rendimiento mediante el algoritmo de
fracaso. Por lo que este artículo científico mencionado agrupación K-Means.
ayudar a evaluar el rendimiento de los empleados, para hacer
a proceder a la toma de decisiones. Los factores que se tiene
en cuenta son las características y capacidades de los
empleados en grupos homogéneos mediante agrupación.
Teniendo en cuenta la agrupación como metodología
principal para la predicción de los datos se tiene que explicar
cómo funciona el algoritmo K-Means para que sea
contextualizado en el proyecto mencionado. Entonces
tenemos entendido que el algoritmo K-Means es un
procedimiento de agrupación de datos no supervisados y
aritmético que buscan el análisis en datos conglomerados.
Cada Cluster es un arreglo de objetos de datos que son
semejantes entre ellos en el mismo Cluster, pero diferentes si
comparamos con otro Cluster. Para evaluar el rendimiento de
los empleados mediante aprendizaje no supervisado y con
agrupación se tiene que usar el algoritmo K-Means para
separar el rendimiento de los empleados en “4” número de
Cluster para así clasificar si son: excelente, bueno, medio y
malo. Este tipo de aprendizaje trabaja de manera iterativa
para asignar a cada punto de datos a uno de los “n” grupos,
fundamentándose en las caracterizas y capacidades.
El objetivo de la agrupación es minimizar la variación
intraclúster de acuerdo a conjuntos de datos (x1, x2, … xn)
donde lo primordial es particionar n datos k Cluster (k ≤ n)
con la minimización de una función objetiva, la cual es:
C. Predicción del rendimiento de los empleados utilizando
Naïve Bayes.

El rendimiento de los empleados es fundamental para el

Donde la función J es la función objeto, k número de
Cluster, n número de casos y donde está ubicada el valor
absoluto es la distancia entre los puntos. A continuación, se
va agregar el diagrama de flujo del algoritmo de K-Means:
Las
evaluaciones de los empleados se realizan mediante
formulario de informe de confidencialidad para poder medir
éxito de una empresa en la consecución de sus objetivos.
Predecir el rendimiento de los empleados es una necesidad
para las empresas. En este estudio, se presenta la predicción
del rendimiento de los empleados en una empresa utilizando
el aprendizaje automático. Se emplea el método de
clasificación de Naive Bayes para crear un modelo de
predicción. Los resultados muestran una tasa de clasificación
correcta del 95.48% utilizando Naïve Bayes. Las palabras
clave de este estudio son Recursos Humanos, Rendimiento
de los Empleados y Naive Bayes. Este estudio aborda la
importancia de la satisfacción del empleado y los indicadores
clave de rendimiento (KPI) en la predicción del rendimiento
de los empleados. La predicción precisa del rendimiento de
los empleados puede ayudar a las empresas a tomar medidas
para reducir la rotación y mejorar la eficiencia
organizacional.
La investigación utiliza la metodología CRIPS-DM para
desarrollar un proyecto de aprendizaje automático. Se enfoca
en reducir la rotación de empleados como objetivo
empresarial. Se siguen las fases de comprensión del negocio,
comprensión de los datos, preparación de los datos,
modelado y evaluación.
 El estudio utiliza un conjunto de datos que contiene
información de 310 empleados. Los atributos del conjunto de
datos incluyen género, estado civil, estado del empleado,
puntuación de rendimiento, posición y estado de terminación.
Se utilizó el método de Naïve Bayes para predecir una
puntuación de rendimiento actualizada, logrando una
precisión del 96.77%. Los resultados muestran que a medida
que aumenta el número de instancias, la precisión también
aumenta. La matriz de confusión revela que hay más
verdaderos positivos que falsos positivos, y más falsos
negativos que falsos positivos.
Las figuras 10 y 11 ilustran la relación entre el número de
instancias y las curvas ROC y AUC en el conjunto de datos.
Los resultados obtenidos mediante el método de clasificación
de Naive Bayes muestran que atributos como la tasa de pago,
el estado del empleado y los días empleados tienen una
influencia significativa en el rendimiento de los empleados
en la empresa. Estos atributos son considerados como los
más importantes para predecir el rendimiento de los
empleados.
D. Predicción de la rotación de empleados con aprendizaje
automático: Un enfoque confiable.
Este estudio analiza y evalúa diversos métodos de
aprendizaje automático supervisado para predecir la rotación
de empleados en organizaciones. Se emplean métodos como
árboles de decisión, bosques aleatorios, aumento de
gradiente, regresión logística, redes neuronales, entre otros.
Se realiza una evaluación exhaustiva para establecer el
rendimiento de cada método utilizando conjuntos de datos
de recursos humanos reales y simulados. Además, se
proporcionan pautas confiables para la selección y uso de
estos métodos en diferentes tamaños y complejidades de
conjuntos de datos de recursos humanos.
En este estudio, se recopilaron dos conjuntos de datos
principales de recursos humanos y se crearon ocho
conjuntos de datos adicionales utilizando métodos de
muestreo. Los conjuntos de datos representan
organizaciones de diferentes tamaños y contienen
características comunes de recursos humanos. Esto permite
una evaluación más completa del rendimiento de los
algoritmos de aprendizaje automático en diferentes
configuraciones de datos. Los conjuntos de datos se
categorizan en grupos según su tamaño para facilitar el
análisis comparativo.

E. Sistemas de predicción de desempeño de empleados.

Un empleado es un activo para cualquier organización de
cualquier nivel. Conocer el valor de los empleados, lo que
podría ser útil para mantener el nivel de conocimiento y el
desempeño de los empleados, es muy importante.
Arquitectura
Proporciona un producto de sistema, método y programa
En este estudio se presentan los resultados de experimentos informático para el seguimiento del rendimiento de un
numéricos realizados para predecir la rotación de empleados empleado. Se capturan diversos detalles relacionados con
utilizando diferentes métodos de aprendizaje supervisado. Se cada actividad realizada por el empleado.
utilizaron conjuntos de datos reales y simulados que
Los detalles analizados y observados pueden utilizarse para
representan organizaciones de diferentes tamaños. Se
monitorear las actividades que actualmente realiza el
aplicaron diversos métodos estadísticos para analizar y
empleado, generando informes que detallan el tiempo
comparar el rendimiento de los algoritmos. Los resultados
dedicado por el empleado a diversas actividades, la
muestran que no hubo un algoritmo que sobresaliera
disponibilidad del empleado.
consistentemente en todos los conjuntos de datos pequeños.
Se destaca la importancia de realizar un análisis completo y
comparativo de los algoritmos de aprendizaje automático en
diferentes configuraciones.
Además, se proporcionan pautas confiables para la selección,
uso e interpretación de estos métodos en el análisis de
conjuntos de datos de recursos humanos de distintos tamaños
y complejidades. Se menciona que este estudio se enfoca en
comprender la rotación de empleados, y no en abordar cómo
reducirla.
Los resultados y discusiones ofrecen información valiosa
para futuras investigaciones en este campo.

Metodología
En la gestión de empleados, es deseable realizar un
seguimiento de cómo los empleados pasan su tiempo. Dicho
seguimiento es útil para determinar el desempeño de los
empleados.
Parámetros: Tareas, incluidos proyectos y procesos que se
realizan, tiempo dedicado a una tarea en particular,
eficiencia, productividad, rendimiento, tiempo de inactividad
y similares. Los gerentes utilizan estos parámetros para,
evaluar los costos laborales, programar a los empleados para
cumplir con las demandas laborales, evaluar la productividad
individual y grupal. Sin embargo, la recopilación y análisis
de estas informaciones son tediosos y complicados, por ello
se hace uso de algoritmos que nos permiten realizar los
análisis en tiempo y costo optima.
Algoritmo
Minería de datos, se utiliza esta técnica como asociación,
agrupación, clasificación y predicción de cantidades para
establecer matrices de rendimiento y predecir los resultados
futuros.
Regresión
El método de clasificación de vectores de soporte se puede
extender para resolver problemas de regresión. Este método
se llama regresión de vectores de soporte. El modelo
producido por este método depende solo de un subconjunto
de los datos de entrenamiento, porque la función de costo
para construir el modelo ignora cualquier dato de
entrenamiento cercano a la predicción del modelo. Hay tres
implementaciones diferentes como SVR, NuSVR y Lineal.
Actualmente, durante la investigación se descubre que la
regresión SVR respalda la predicción cuantitativa con una
buena precisión tomando como referencia la figura 16.
RVS
En la investigación se busca predecir los resultados de la
cantidad, es decir el rendimiento de la categoría de conjunto
de habilidades para los próximos meses, SVR ayuda aquí.
Conclusión
En el artículo se propone un sistema de predicción del
desempeño de los empleados en base a algoritmos de minería
de datos. El trabajo futuro incluye la integración de este
sistema con interfaces web y bases de datos.
F. Análisis predictivo de recursos humanos mediante
minería de datos: Técnicas de Clasificación.
Metodología propuesta:
A. Conjunto de datos: Los datos primarios y la
información básica sobre Analítica Predictiva de Recursos
Humanos se recopilan del sitio web Kaggle, realizado por
Vivek Aggrawal (Ingeniero de software en Tata Consultancy
Services, Gurugram, Haryana, India), con el propósito de ser
evaluados mediante el método seleccionado. Además, los
datos se convierten en formato ARFF (Formato de Archivo
de Relación de Atributos) para su procesamiento en WEKA.
El conjunto de datos utilizado en este estudio propuesto
incluye 14,999 observaciones, donde cada fila representa a
un empleado individual. Los campos en el conjunto de datos
incluyen las siguientes 10 variables (ver tabla 6).
El conjunto de datos se prepara, procesa y limpia utilizando
la pestaña de preprocesamiento de la ventana del explorador
de WEKA. Las capacidades de preprocesamiento de WEKA
se resumen en un amplio conjunto de rutinas conocidas como
filtros. El preprocesamiento de un filtro se centra
básicamente en dos tipos de valores: instancia y atributo, en
los cuales se utilizan los conjuntos de datos para reorganizar
los valores. Las instancias se dividen en dos conjuntos de
datos: un conjunto de entrenamiento y un conjunto de
pruebas. El 70% del conjunto de datos se selecciona para el
entrenamiento y el 30% para las pruebas, y se ha
seleccionado una sección invertida para verificar la relación
de los dos valores.
B. Preprocesamiento de datos: Los datos disponibles para
la minería son datos en bruto, es decir, los datos originales.
Los datos pueden tener diferentes formatos y provienen de
diferentes fuentes. Los datos ruidosos pueden ser
irrelevantes, por lo que es necesario preprocesar los datos
antes de aplicar técnicas de minería de datos. El algoritmo de
minería de datos utiliza los siguientes pasos:
1) Integración de datos: Si los datos provienen de muchas
fuentes diferentes, entonces los datos deben tener diferentes
agregaciones, incluyendo la eliminación de
incompatibilidades entre conjuntos de datos con diferentes
propiedades o valores de atributos entre las fuentes de los
conjuntos de datos.
2) Discretización: Cuando el algoritmo de minería de datos
no puede enfrentar características continuas, es necesario
implementar la discretización. En esta fase, se cambia un
atributo continuo a un atributo categórico, tomando solo
algunos valores discretos. La discretización a menudo mejora
la comprensión del conocimiento buscado.
3) Selección de atributos: Todas las características están
relacionadas, por lo que seleccionar un subconjunto de
características asociadas requiere explorar todas las
propiedades en la característica seleccionada.
 La selección de características es crucial en la minería de
datos, ya que muchas veces hay características no
relacionadas que deben eliminarse. Antes de aplicar
algoritmos de minería, es importante seleccionar las
características adecuadas para evitar el sobreajuste y mejorar
la eficiencia del modelo. En este estudio, se utilizaron
técnicas de selección de características, como CFS, para
seleccionar las características más relevantes.
En cuanto a los experimentos, se utilizaron enfoques de
clasificación de árboles de decisión para distinguir el diseño
de aptitudes en la base de datos de Recursos Humanos. Se
emplearon diferentes clasificadores, como J48, Naive Bayes,
Bayes Net, Logistic, OneR, Jrip, Random Tree, SVM, entre
otros. Para evaluar la precisión de los clasificadores, se
aplicó una validación cruzada de 10 pliegues en el conjunto
de datos.
Los resultados mostraron que J48 obtuvo la mayor
precisión en la clasificación. Además, se utilizaron técnicas
como Naive Bayes, Bayes Net, Logistic y OneR, cada una
con sus propias características y ventajas.
En resumen, la selección de características y la aplicación
de diferentes clasificadores permitieron obtener modelos de
predicción precisos para el diseño de aptitudes en Recursos
Humanos. Estos resultados tienen implicaciones importantes
para mejorar la eficiencia y la toma de decisiones en el
ámbito laboral.
G. Predicción de la rotación de empleados utilizando el
método de validación cruzada de redes neuronales. El análisis experimental concluye que el método propuesto
Este artículo se centra en predecir las probabilidades de supera a los clasificadores mencionados en términos de
rotación de empleados mediante la implementación de una métricas de rendimiento. La rotación de empleados es un
herramienta automatizada. El sistema propuesto utiliza una problema importante en cualquier organización, y para
red neuronal de alimentación directa junto con el maximizar los beneficios, es necesario considerar las tasas de
procedimiento de validación cruzada de 10 pliegues en una rotación de empleados.
sola plataforma para predecir la rotación de empleados. Este Este artículo propone un sistema que predice
método propuesto se evalúa y se compara con seis automáticamente las posibilidades de rotación de empleados.
clasificadores, como Máquinas de Vectores de Soporte, La predicción temprana de la rotación de empleados puede
Vecinos más Cercanos, Bayes Ingenuo, Árbol de Decisiones, ayudar a aumentar la eficiencia y la dedicación de los
Adaboost y Bosques Aleatorios. empleados.
Se implementa una red neuronal de alimentación directa
basada en el aprendizaje profundo junto con el método de
validación cruzada de 10 pliegues para mejorar la eficiencia
en la determinación de las probabilidades de rotación de
empleados. Además, se implementan seis clasificadores para
comparar el rendimiento del modelo propuesto. El estudio
demuestra que el modelo propuesto es superior a los otros
clasificadores mencionados.
En resumen, este estudio presenta un enfoque basado en
redes neuronales para predecir la rotación de empleados y
demuestra su superioridad sobre otros clasificadores. Este
enfoque tiene el potencial de ayudar a las organizaciones a
identificar y retener a los empleados con mayor riesgo de
rotación.

H. Rotación de empleados: una solución de red neuronal.

Este artículo se centra en el problema de la rotación de
empleados en las organizaciones y propone una solución
basada en redes neuronales. La rotación de empleados es un
desafío significativo para las empresas, ya que puede
resultar en altos costos financieros y pérdida de talento.
 El objetivo de este estudio es desarrollar un modelo de En resumen, este estudio demuestra que las redes
predicción de rotación de empleados utilizando redes
neuronales, con el fin de identificar a los empleados
propensos a abandonar la organización y tomar medidas
preventivas. El modelo propuesto utiliza una red neuronal de
alimentación directa con múltiples capas ocultas.

Para entrenar la red neuronal, se recopilan datos

históricos de empleados, que incluyen características como
edad, antigüedad en la empresa, nivel de satisfacción
laboral, rendimiento, entre otros. Estos datos se utilizan para
alimentar la red neuronal y aprender los patrones que
indican la probabilidad de rotación de un empleado.
Una vez entrenada la red neuronal, se evalúa su
rendimiento utilizando métricas como precisión, sensibilidad
y especificidad. Los resultados muestran que la red neuronal
logra una alta precisión en la predicción de la rotación de
empleados, lo que indica su capacidad para identificar a
aquellos empleados que tienen más probabilidades de
abandonar la organización.
Este enfoque basado en redes neuronales ofrece varias
ventajas. En primer lugar, permite un análisis más profundo
y preciso de los datos de los empleados, ya que la red
neuronal puede capturar relaciones no lineales entre las
variables. En segundo lugar, proporciona una herramienta
automatizada para la predicción de la rotación de
empleados, lo que facilita la toma de decisiones y la
implementación de estrategias de retención.
neuronales son una herramienta efectiva para predecir la
rotación de empleados. Su capacidad para identificar a los
empleados propensos a abandonar la organización brinda a
las empresas la oportunidad de implementar medidas de
retención específicas y mejorar su estrategia de gestión del
talento.
I. La aplicación de minería de datos para construir
Modelo de Clasificación para Predecir Posgrado
Empleo.
Este estudio es para construir el Modelo de Empleo de
Graduados utilizando la tarea de clasificación en la minería
de datos, y para comparar varios enfoques de minería de
datos como el método Bayesiano y el método del Árbol.
Metodología
El objetivo principal de la metodología propuesta es construir
el modelo de clasificación que clasifique un perfil de
graduado como empleado, desempleado o indeterminado
utilizando datos de la Universidad de Maejo en Tailandia
durante 3 años académicos, que consta de 11853 instancias.

Resultados: Una vez que los 10 conjuntos de

entrenamiento terminaron de entrenar, probamos las
soluciones en sus respectivos conjuntos de prueba. Desde el
número de empleados que se quedaron en un año dado
superó con creces a los empleados que se fueron,
necesitábamos para establecer el punto de corte para tener
en cuenta los datos sesgados. En el conjunto completo de
datos de 447 observaciones, hay 35 observaciones de
empleados que se fueron (o codificadas como 1s). Luego
dividimos este número por el total observaciones dándonos
el valor .0783. Esto significa que cualquier estimación de
NN por debajo de .0783 se clasificaría como quedarse y
cualquier cosa por encima de .0783 se clasificaría como irse.

Resultados y discusión
A continuación, se muestra la precisión de la clasificación
utilizando varios algoritmos bajo el método de árbol en
WEKA. Además, la tabla proporciona resultados
comparativos para las estadísticas Kappa, el error absoluto
medio, el error cuadrático medio, el error absoluto relativo y
el error cuadrático relativo de la raíz del total.
Conclusiones
A medida que aumenta el número de graduados producidos
por las instituciones de educación superior cada año, los
graduados se enfrentan a una mayor competencia para
asegurar su empleo en el mercado laboral. El propósito del
estudio es ayudar a las instituciones de educación superior a
equipar a sus graduados con las habilidades suficientes para
ingresar al mercado laboral.
El estudio intenta predecir si un egresado ha tenido
empleo, permanece desempleado o se encuentra en una
situación indeterminada después de graduarse. La predicción
se realizó con varios algoritmos bayesianos y de decisión
para clasificar un perfil de egresado, los resultados muestran
que el algoritmo WAODE, una variante del algoritmo Bayes,
logró la mayor precisión del 99.77%. La precisión promedio
de otros algoritmos de Tree fue del 98.31%.
J. Predecir la retención de empleados mediante la ciencia
de datos.
La idea principal de este informe es averiguar que
empleado valioso dejará la empresa y las características que
lo están afectando para tomar esta decisión, como el nivel
salarial, número de horas gastadas en una semana,
promoción, número de accidentes de trabajo, etc.
La aplicación se desarrolló en el lenguaje de programación
Python y las predicciones se realizan con la ayuda de ciencia
de datos y los modelos de aprendizaje automático.
Tecnología
Se ha utilizado el lenguaje de programación de Python, que
es un dialecto traducido, progresivamente escrito y menos
difícil en gramática. Python contiene varias bibliotecas
accesibles en él, lo que hace que sea fácil de usar para cada
aplicación.
Fig. 19. Metodología de predicción.
Técnicas de preprocesamiento
La información que recibimos del cliente es información
curda, por lo que necesita perfeccionarse, cambiarse y
disminuirse para que sea adecuada para aplicar estrategias
sobre ella, este procedimiento se conoce como
preprocesamiento. ETLT (eliminar, cambiar, apilar y
cambiar) para obtener información en la zona de pruebas.
Mejora la naturaleza general de la información y la
efectividad del modelo a entregar.
Escalado de características
Es la estrategia para restringir el alcance de los factores con
el objetivo de que se puedan considerar en términos básicos.
Se realiza sobre factores constantes.
Codificación de etiquetas
Sklearn ofrece una herramienta extremadamente eficiente
para codificar los niveles de un resumen total en valores
numéricos.
Codificación One-Hot
One-Hot Encoding cambia cada elemento definido con n
valores posibles en n aspectos destacados paralelos, con una
sola dinámica. La mayoría de los cálculos de ML toman un
solo peso para cada componente o las cifras se eliminan entre
los ejemplos.
Metodología
Se tiene la intención de prever si un representante continuará
o dejará la asociación en función de la investigación de los
datos de trabajadores anteriores. Los factores de expectativa
incluyen el nivel de cumplimiento, la última evaluación, las
horas normales de mes a mes, la compensación, la mala
suerte laboral, el avance, el tiempo dedicado a la
organización y la división. Los modelos de aprendizaje
automáticos como la recaída calculada, el orden del árbol de
elección, etc. Son algunos que se eligieron para la predicción.
 Regresión lineal
 Regresión logística
 Regresión de lazo
 Resultados y discusión
El informe pretende prever si un trabajador procederá o
abandonará la asociación en vista del examen de la
información de los pasados representantes. Aquí se
proporciona la información utilizada para generar
expectativas, se encuentra en un marco impensable que
contiene segmentos como nivel de cumplimiento, última
evaluación, número de compromisos, horas normales de mes
a mes, años de permanencia en la organización, infortunio
laboral, oficina y pago.

Fig. 20. Conjunto de datos para predicción.

Se obtuvo el resultado en comparación con los datos
analizados anteriormente con la ayuda de la matriz de
confusión y la puntuación de precisión, este resultado se
compara con los datos disponibles para encontrar la precisión
del resultado y el 97% de las predicciones con correctas.
Fig. 21. Resultado
Conclusiones
En la investigación se familiarizó con el mantenimiento de
un representante dentro de la asociación. Se puede describir
utilizando el procedimiento de recaída estratégica, que ofrece
un resultado con un 97% de precisión.
También puede ayudar a descubrir los componentes que
influyen en los representantes de la asociación, como nivel
de pago, la pila de trabajo, los avances, etc.
A. Fuentes de datos del Dataset.
El equipo de recursos humanos almacenó datos del ciclo
de promoción del año pasado, que consta de detalles de todos
los empleados de la empresa que trabajaron el año pasado y
también si fueron ascendidos o no, pero cada vez que este
proceso se retrasa debido a la gran cantidad de detalles
disponibles para cada empleado - Se hace difícil comparar y
decidir.
Entonces, esta vez el equipo de recursos humanos quiere
utilizar los datos almacenados para hacer un modelo que
prediga si una persona es elegible para una promoción o no.
Necesidad de idear un modelo que ayude al equipo de
recursos humanos a predecir si una persona es elegible para
una promoción o no.
Para este caso de estudio se tiene un conjunto de 13
variables que se detalla en la siguiente tabla. Además, que
este dataset tiene 52,249 instancias para la aplicación de
aprendizaje automático con una variable objetivo que decide
si se promueve o no al trabajador (0 o 1).

III. MODELOS DE MACHINE LEARNING PROPUESTOS

Se propone la siguiente metodología para la aplicación de
algoritmos supervisados y no supervisados para la predicción
de Promoción de Empleados.

B. Preprocesamiento de datos.
El dataset es una recopilación de estructuras organizadas
en filas y columnas, similares a una tabla, pero en este caso
el dataset puede haber tenido valores nulos o vacíos por lo
que se tendría que hacer una limpieza, integración y
filtración de los datos, luego de hacer todo ese procedimiento
se terminó con un número de instancia aproximadamente de
15,183 y se asignó como valores numéricos 0 a los
empleados que no pudieron ser promovidos y 1 a los
empleados que sí pudieron ser promovidos.
1) Limpieza de datos:
Tiene la prioridad de remover los datos que sean
incoherente a su semántica, presentación o formato. En esta
faceta se tiene que identificar los errores de interpretación
(por ejemplo; que un usuario tenga la edad 500 años),
inconsistencia (por ejemplo; que se respete una fuente, si es
“No” sea 0 y “Si” sea 1), valores nulos o vacíos, este último
genera muchos problemas al momento de procesar los datos,
por ese motivo es recomendable eliminar registros que tiene
datos vacíos, y valores atípicos que se puede identificar
fácilmente porque no respetan el planteamiento de su
estructura.
2) Integración de datos:
En esta etapa se tiene que verificar los datos, para que
sea integrados a un formato universal de la colección de
datos, es decir, los datos deben ser consistentes en tamaño,
tipo y estructura. Un ejemplo claro que tenía el dataset era
que la fecha de algunas instancias era diferente, por motivo
que algunos tenían formato día, mes y años, y otros eran mes,
día y años, entonces se procedió arreglar el formato para que
tenga una versión universal.
3) Filtración de datos
Para que el dataset sea analizado de manera correcta, se
tiene que eliminar los datos que no aporten un promedio al
análisis o que no sean aplicables estadísticamente hablando,
por ese motivo las variables de “employee_id” y “region”
deben ser eliminados para que no interfieran al momento de
aplicar los algoritmos del aprendizaje automático.
Además, para que el dataset sea aplicable a los
algoritmos de clasificación los datos numéricos deben ser
pasados a tipo de dato nominal. Este proceso se tiene que
hacer con un filtro que tiene la herramienta Weka llamado
“NumericToNominal” que convierte los datos numéricos a
nominal, para que las estadísticas sean aplicables a
algoritmos de clasificación.
Después de aplicar los 2 procesos anteriores el dataset
queda con un total de registros validados e integrados de
15,183, el cual la clase mayoritaria (0, empleados no
promovidos) era 66,7% del total del dataset y la clase
minoritaria (1, empleados si promovidos) era 33,3%.
Esto genera que el entrenamiento del algoritmo tenga un
paupérrimo rango para predecir si el empleado es promovido,
por lo que se tuvo que instalar el filtro para balancear las
clases llamado “SMOTE”, este filtro lo que hace es analizar
la sensibilidad de las clases mayoritaria y minoritaria para
aplicar sobremuestreo y submuestreo de datos, para que así
obtener un conjunto de datos balanceados, que por
consecuencia, mejora los resultados de la aplicación de los
algoritmos, por lo consiguiente tener mejores resultados.
C. Modelamiento.
En este caso de estudio, el modelamiento se rige por la
metodología indica, es decir, se divide en 2 partes
importantes, en algoritmos supervisados y no supervisados,
los cuales cada uno de esas partes tiene sus técnicas de
predicción. Los cuales son las siguientes: En la categoría de
modelos supervisados se tiene los siguientes algoritmos con
un entrenamiento 70%:
1) J48:
Es uno de los algoritmos de clasificación más importantes
desarrollado en Java, que utiliza la recursividad y la
regresión para dividir los datos en partes más pequeñas
según sus características de los atributos. Construye un
árbol de decisión, de acuerdo a las instancias asignados a
la variable objetivo.
2) REPTree:
Algoritmo de clasificación fundamentado en árboles de
clasificación, que utiliza la recursividad. Divide los datos
de la misma manera que el algoritmo J48, en
subconjuntos más pequeños de acuerdo a sus
características, pero la diferencia es el tamaño del árbol y
evita el sobreajuste.
3) Random Forest:
Algoritmo de clasificación y regresión, que combina
varias técnicas de múltiples árboles de decisión para
mejor predicción y robustez del modelo. Construye cada
árbol con muestras aleatorias (con reemplazo) del
conjunto original de datos de entrenamiento y utiliza solo
un solo subconjuntos de datos de acuerdo a sus
características del atributos. Este algoritmo tiene la
capacidad de manejar datos más complejos y conjuntos
de datos grandes, además, que es resistente al sobreajuste
de los datos, por lo que como resultado modelos más
precisos y estables.
4) Multilayer Perceptron (Redes Neuronales):
Algoritmo perteneciente a la familia de las redes
neuronales artificiales, es uno de los más populares en el
campo de aprendizaje automático profundo y se utiliza
ampliamente para aplicaciones de dataset de clasificación
y regresión. Este algoritmo tiene la capacidad de aprender
hacer relaciones lineales y no lineales con datos
complejos y utiliza una gran variedad de problemas,
además de utilizar en aplicaciones de rubro médico,
seguridad y procesamiento de texto, sin embargo, es
algoritmo requiere gran cantidad de datos y fuerza
computacional. Por ese motivo se tiene que proponer de
manera correcta los hiperparámetros y técnicas de
ordenamiento para tener un modelo de alta precisión.
5) Support Machine Vectorial (SMV):
 Es un poderoso algoritmo de aprendizaje automático,
utilizando métodos de clasificación y regresión. Este
algoritmo se usa para separar muestras de diferentes
clases en el ámbito de sus características. La idea de este
algoritmo es poner los datos en un hiperplano en el
ámbito de las características para maximizar sus
márgenes de muestra de acuerdo a sus clases.
El hiperplano se puede denominar “hiperplano de
separación máximo” y esta personificado por una función
lineal para separar las clases, en donde las muestra se
convierte en un vector de características. Este algoritmo
tiene la capacidad de manejar problemas de alta
dimensionalidad y adapta los problemas a clasificación
binaria como multiclase. En conclusión, este algoritmo
llega ser muy eficaz y versátil para su aplicación de
variedad de problemas de clasificación y regresión, sin
embargo, puede consumir recursos computacionales muy
cuantiosos por el conjuntos de datos muy grandes para su
procesamiento y con características muy complejas.
6) BayesNet (Redes Bayesianas):
Es un algoritmo de clasificación y un modelo de
probabilidad que se basa en la teoría de grafos dirigidos
para definir y razonar las relacionas de dependencia
probabilística entre variables.
El aprendizaje de las redes bayesianas consta en estimar
las estructuras en probabilidades condicionales a partir de
un conjunto de datos de entrenamiento. Pero las redes
bayesianas tienen varios métodos de aprendizaje por lo
que de acuerdo al caso de clasificación se puede usar el
aprendizaje de máxima verosimilitud o el aprendizaje
basado en enfoques Bayesianos.
En la categoría de modelos no supervisados se tiene los
siguientes algoritmos con el uso total del dataset:
7) SimpleKMeans:
Es un algoritmo de agrupación que pertenece al enfoque
de aprendizaje no supervisado, es decir, no da etiquetas a
los valores objetivos o los datos, sino, que busca una
estructura semántica entre los datos para definirlos entre
elementos similares. Este algoritmo busca minimizar la
sima de los cuadrados de las distancias que hay entre
instancia con el centroide de un grupo asignado, es decir,
halla el mejor promedio entre el centroide con las
instancias. Este algoritmo destaca porque puede dar
diferentes resultados dependiendo a la inicialización de
los centroides.
8) EM (Expectation-Maximization):
Este algoritmo no supervisado busca calcular la mejor
estimación agrupaciones de acuerdo a los parámetros de
los datos estadísticos.
Después de la aplicación de los algoritmos propuestos
para este caso de estudio se hace los cálculo del número de
agrupaciones promedio que debe tener este dataset. Este
cálculo se realizó en la herramienta R Studio, mediante
métodos de cálculo óptimos de Cluster. Además, para
calcular la variable de mayor importancia se tiene que ir a la
sección “Select Attributes” en Weka, después ubicar el
atributo evaluador “InfoGainAttributeEval” y el método de
búsqueda llamado “Ranker”. Y por último se utilizó el auto
aprendizaje, que busca el mejor algoritmo para el dataset con
todo sus filtros y parámetros, para dar el modelo más óptimo
y eficiente, el cual es “Random Forest”.
IV. ANÁLISIS DE RESULTADO CON ORIGEN EN EL
DATASET
After the text edit has been completed, the paper is ready
for the template. Duplicate the template file by using the
Save As command, and use the naming convention
prescribed by your conference for the name of your paper. In
this newly created file, highlight all of the contents and
import your prepared text file. You are now ready to style
your paper; use the scroll down window on the left of the MS
Word Formatting toolbar.
A. Aprendizaje supervisado.
The template is designed for, but not limited to, six
authors. A minimum of one author is required for all
conference articles. Author names should be listed starting
from left to right and then moving down to the next line. This
is the author sequence that will be used in future citations and
by indexing services. Names should not be listed in columns
nor group by affiliation. Please keep your affiliations as
succinct as possible (for example, do not differentiate among
departments of the same organization).
1) For papers with more than six authors: Add author
names horizontally, moving to a third row if needed for
more than 8 authors.
2) For papers with less than six authors: To change the
default, adjust the template as follows.
3) For papers with more than six authors: Add author
names horizontally, moving to a third row if needed for
more than 8 authors.
4) For papers with less than six authors: To change the
default, adjust the template as follows.
a) Selection: Highlight all author and affiliation lines.
b) Change number of columns: Select the Columns
icon from the MS Word Standard toolbar and then select the
correct number of columns from the selection palette.
c) Deletion: Delete the author and affiliation lines for
the extra authors.
5) For papers with less than six authors: To change the
default, adjust the template as follows.
B. Aprendizaje no supervisado.
Headings, or heads, are organizational devices that guide
the reader through your paper. There are two types:
component heads and text heads.
Component heads identify the different components of
your paper and are not topically subordinate to each other.
Examples include Acknowledgments and References and, for
these, the correct style to use is “Heading 5”. Use “figure
caption” for your Figure captions, and “table head” for your
table title. Run-in heads, such as “Abstract”, will require you
to apply a style (in this case, italic) in addition to the style
provided by the drop down menu to differentiate the head
from the text.
1) For papers with more than six authors: Add author
names horizontally, moving to a third row if needed for
more than 8 authors.
2) For papers with less than six authors: To change the
default, adjust the template as follows.
Text heads organize the topics on a relational,
hierarchical basis. For example, the paper title is the primary
text head because all subsequent material relates and
elaborates on this one topic. If there are two or more sub-
topics, the next level head (uppercase Roman numerals)
should be used and, conversely, if there are not at least two
sub-topics, then no subheads should be introduced. Styles
named “Heading 1”, “Heading 2”, “Heading 3”, and
“Heading 4” are prescribed.
V. DISCUSIÓN
Este caso de investigación se diferencia a otros estudios
por motivo que pone en aplicación 2 de las 3 categorías de
aprendizaje automatizado. Además, que la aplicación de los
algoritmos es personalizada de acuerdo al caso, que es la
promoción de empleados. Por lo pone en juicio, ¿Cuál es la
mejor categoría de aprendizaje? Entonces tenemos que
recordar a la rama de la matemática llamada Investigación de
Operaciones que indica lo siguiente, Taha (2017) “cualquier
problema que tenga soluciones óptimas múltiples, tendrá un
número infinito de soluciones, con el mismo valor de la
función objetiva”. Tomando en cuenta lo mencionado, se
puede decir que los trabajos tuvieron factores únicos que le
hicieron diferentes al nuestro, por lo consiguiente tuvieron
como resultado un algoritmo óptimo diferente a nuestro caso
de investigación. Pero se tuvo en cuenta que el estudio es
congruente y coherente con la aplicación. Por lo que
podemos decir que la estructura del dataset, limpieza,
integración y filtrado de datos, y el balanceo de datos fueron
realizados de manera deferente a la tipología de los estudios
citados en el capítulo del estado del arte.
VI. CONCLUSIÓN
En conclusión, definimos como grupo que la inteligencia
artificial es una materia que nos puede ayudar a describir,
predecir y dar una predicción de situaciones reales mediante
análisis de los datos. La inteligencia artificial simula las
características que tiene los expertos de un dominio mediante
un motor de inferencia para comprender, simular y resolver
problemas, por ese motivo la inteligencia artificial contiene
soluciones de Machine Learning que a su vez tiene
soluciones de aprendizaje profundo, se menciona esto porque
se usó herramientas de Machine Learning (Weka y R Studio)
para el caso de estudio de predicción de “Promoción de
Empleados” de la empresa Adecco.
En particular se usó los algoritmos de clasificación “J48”,
“REPTree”, “Random Forest”, “Multilayer Perceptron”,
“Soporte de Máquinas Vectorial SMV” y “BayesNet” y
algoritmos de agrupación como “SimpleKMeans” y “EM”.
Pero para el uso de los algoritmos de clasificación se tuvo
que hacer preprocesado de datos mediante métodos de
sobremuestreo y submuestreo, y balanceo de datos aplicando
el filtro “SMOTE”, para tener un modelo de predicción más
eficiente en el “TP Rate” de los empleados que son
promovidos o no. Esto apoyará mucho a la problemática de
la empresa porque les mostrara cual es clave con mayor
importancia para que un empleado sea promovido o no.
REFERENCIAS
[1] K. Sahinbaş (2022), “Employee Promotion Prediction by using
Machine Learning Algorithms for Imbalanced Dataset” (PDF).
Department of Management Information System, Istanbul Medipol
Universitu. Istanbul, Turkey. 2nd International Conference on
Computing and Machine Intelligence (ICMI)978-1-6654-7483-
2/22/$31.00 ©2022 IEEE. DOI: 10.1109/ICMI55296.2022.9873744.
[2] I. Ullah, B. Raza, A. Kamran Malik, M. Imran, S. Islam, S. Won Kim
(2019), “A Churn Prediction Model Using Random Forest: Analysis
of Machine Learning Techniques for Churn Prediction and Factor
Identification in Telecom Sector” (PDF). Department of Information
and Communication Engineering, Yeungnam University, Gyeongsan
38542, South Korea. Gyeongsan, Korea del Sur. IEEE Access. Digital
Object Identifier 10.1109/ACCESS.2019.2914999.
[3] C. Soto-Valero (2013), “Minería de datos para series temporales en
Weka y su aplicación en el pronóstico de precipitaciones” (PDF).
Facultad de Matemática, Física y Computación, Universidad Central
Marta Abreu de las Villas, Cuba. Santa Clara, Cu. DOI:
10.13140/RG.2.2.16669.13284.
[4] J. Gusmán, J. Huamán, J. Salas (2022), “Modelo de aprendizaje
automático supervisado para predecir si un titular de una tarjeta de
crédito (de una empresa retail financiero) pagará o no el saldo en mora
del “pago mínimo facturado” (PDF). Facultas de Ingeniería de
Industrial y Sistemas, Universidad Nacional de Ingeniería (UNI),
Perú. Lima, Perú, pp. 1-12.
[5] P. Gajbhiye, A. Gaikwad (2020), “Employee Performance Prediction
System” (PDF). Deogiri Institute of Engineering and Management
Studies, India. Aurangabad, India, pp. 1-4. www.jetir.org (ISSN-
2349-5162).
[6] R. Jayadi, H. Firmantyo, M. Dzaka, M. Suaidy, A. Putra (2019),
“Employee Performance Prediction using Naïve Bayes” (PDF).
International Journal of Advanced Trends in Computer Science and
Engineering, Indonesia. Jakarta, Indonesia, pp. 1-5.
https://doi.org/10.30534/ijatcse/ 2019/59862019.
[7] Y. Zhao, M. Hryniewicki, F. Cheng, B. Fu, X. Zhu (2019),
“Employee Turnover Prediction with Machine Learning: A Reliable
Approach” (PDF). Department of Computer Science, University of
Toronto. Toronto, Canada. K. Arai et al. (Eds.): IntelliSys 2018, AISC
869, pp. 737–758, 2019. DOI: https://doi.org/10.1007/978-3-030-
01057-7_56.
[8] E. Carmona (2017), “Aprendizaje Autómatico - Máquinas de Vectores
Soporte en Tareas de Regresión” (PDF). Departamento de Inteligencia
Artificial. ETS de Ingeniería Informática, Universidad Nacional de
Educación a Distancia (UNED), España. Madrid, España, pp. 1-6.
[9] Huang, B., Kechadi, M. -T., & Buckley, B. (2010). "A new feature set
with new window techniques for customer churn prediction in land-
line telecommunication". Expert Systems with Applications, 37(5),
3657–3665.
[10] B. Huang, M. T. Kechadi, B. Buckley. "Customer churn prediction in
telecommunications", Expert Systems with Applications, Volume 39,
Issue 1, 2012.
[11] Ghazzawi, A.; Alharbi, B (2019). Analysis of Customer Complaints
Data using Data Mining Techniques. 1-2.
[12] Haykin, Simon (1998). Neural Networks: A Comprehensive
Foundation (2 edición). Prentice Hall. ISBN 0-13-273350-1.
[13] Ben-Gal, Irad (2007). Bayesian Networks (PDF). En Ruggeri,
Fabrizio; Kennett, Ron S.; Faltin, Frederick W, ed. «Encyclopedia of
Statistics in Quality and Reliability». Encyclopedia of Statistics in
Quality and Reliability. John Wiley & Sons. ISBN 978-0-470-01861-
3. doi:10.1002/9780470061572.eqr089.
[14] R. Islam, S. Mohd Rasad (2006), “Employee performance evaluation
by the AHP: A case study” (PDF). Department of Business
Administration International Islamic University Malaysia. Kuala
Lumpur, Malaysia. Asia Pacific Management Review.
[15] F. Kalyoncu, E. Zeydan, I. O. Yigit, y A. Yildirim, "A Customer
Complaint Analysis Tool for Mobile Network Operators", en 2018
IEEE/ACM International Conference on Advances in Social
Networks Analysis and Mining (ASONAM), Barcelona, ago. 2018,
pp. 609-612. doi: 10.1109/ASONAM.2018.8508289.
[16] L. Pinto (2015), “Modelo algorítmico para la clasificación de
documentos de carácter judicial en lenguaje portugués según su
contenido” (PDF). Facultad de Ciencias e Ingeniería, Pontificia
Universidad Católica del Perú (PUCP), Perú. Lima, Perú, pp. 1-61.