Diseño de un modelo de predicción de aptitud de aspirantes a oficiales y tripulantes de armas de la armada del Ecuador.

Abstract

Este artículo contiene el análisis de un conjunto de datos y la construcción de tres modelos de aprendiza automático para predecir la aptitud de los aspirantes a Oficiales y Tripulantes de armas de la Armada del Ecuador. Los modelos utilizados son árbol de decisión, XGBoost y red neuronal. Primero se realiza una exploración de los datos con estadística descriptiva y visualizaciones. Luego, se construye un árbol de decisión. Se codifican las variables categóricas y se entrena el modelo con el conjunto de entrenamiento. Se visualiza la estructura del árbol y se evalúa el modelo con el conjunto de prueba, obteniendo una precisión y una matriz de confusión. Después, se implementa un modelo XGBoost. Se codifican las variables categóricas, se crea una matriz DMatrix y se definen los parámetros del modelo. Se entrena el modelo y se realizan predicciones, evaluando la precisión y generando una matriz de confusión. Finalmente, se crea una red neuronal. Se preprocesan los datos, se define la arquitectura del modelo con capas densas y dropout, se compila el modelo con el optimizador Adam y se entrena. Se evalúa la precisión del modelo y se genera una matriz de confusión. En resumen, se explora tres modelos de aprendizaje automático para predecir la aptitud de los aspirantes a Oficiales y Tripulantes de armas de la Armada del Ecuador, incluyendo un árbol de decisión, XGBoost y una red neuronal. Se realiza un análisis exploratorio de datos, preprocesamiento, entrenamiento, evaluación y visualización de resultados para cada modelo.