DETERMINACIÓN DE UN MODELO

MEDIANTE APRENDIZAJE AUTOMÁTICO

desde el año 2017 hasta agosto del 2024. Se realizó un muestreo no probabilístico por conveniencia. El

enfoque metodológico de esta investigación es cuantitativa con un diseño cuasiexperimental y un

alcance de investigación correlacional. Este estudio emplea tres algoritmos de aprendizaje automático

supervisado de clasificación para la predicción: Árboles de Decisión, Naives Bayes Bernoulli y K-

Nearest Neighbors. Los resultados indican que la evaluación de la métrica exactitud (accuracy) para los

tres algoritmos antes indicados dieron como resultado un valor superior al 90% y con la métrica AUC

obtuvieron un valor superior al 0,9. Se puede concluir que, entre los tres modelos entrenados y

evaluados, el algoritmo Árboles de Decisión es el mejor modelo a implementar, logrando la mejor

exactitud del 99,81%, demostrando un buen rendimiento y la aplicabilidad para este trabajo de

investigación.

Correspondencia: vivanco.espol101@gmail.com

ABSTRACT

The lack of automation of the process for the selection of professional naval personnel to fill sensitive

positions in the military institution has contributed to increase the degree of subjectivity in the

evaluators. The objective of this research work is to train and evaluate prediction models using data

obtained from the results of evaluations conducted on professional naval personnel from 2017 to August

2024. A non-probabilistic convenience sampling was performed. The methodological approach of this

accuracy of 99,81%, demonstrating good performance and applicability for this research work.

Keywords: algorithms, classification, suitability, machine learning, models

lo que provoca designar a través de procesos manuales a personas no calificadas para ocupar puestos

catalogados como sensibles o estratégicos (Salamanca y Castro, 2020).

La aportación principal de este trabajo radica en la aplicación de técnicas de aprendizaje automático

utilizando algoritmos supervisados de clasificación, para la selección rápida y oportuna de empleados

de una organización que requieran ocupar puestos sensibles sin la necesidad de realizar procesos

manuales que demanden demasiado recurso humano y tiempo a emplear.

Consecuentemente, este artículo de investigación se estructura en temas que abordan desde una revisión

exhaustiva de la literatura de tres tipos de algoritmos de aprendizaje automático supervisado de

clasificación, donde, se estableció como herramienta la matriz de confusión binaria, la cual permite

evaluar el desempeño de un algoritmo supervisado de clasificación a través de sus métricas de

prácticas a problemas urgentes de aprendizaje automático aplicado a empresas.

Problemática y preguntas de investigación

Este artículo aborda la problemática, en cuanto a la falta de automatización del proceso para la selección

del personal naval profesional para ocupar puestos sensibles en la institución militar, la cual ha

contribuido a aumentar el grado de subjetividad en los evaluadores; es por ello, que al no contar con

algoritmos de aprendizaje automático que coadyuven a predecir de manera correcta, rápida y oportuna

Justificación y relevancia

En cuando a la justificación de este artículo de investigación, es de carácter institucional y aportará a la

institución militar en el ámbito tecnológico de la inteligencia artificial aplicando aprendizaje

automático, utilizando como herramienta la matriz de confusión binaria para validar y generar los datos

para obtener el mejor modelo a implementar.

Es así que, la importancia de realizar esta investigación para la institución militar, es porque permitirá

mejorar el proceso de selección del personal y así determinar la idoneidad o no idoneidad del personal

naval que requieren ostentar puestos sensibles, a fin de que no pongan en riesgo la seguridad de las

operaciones militares, y así poder tomar las medidas correctivas antes de que ocurra algún incidente.

Así también, este artículo contribuirá a la comunidad científica en cuanto al planteamiento de una nueva

(1984), el cual indica que el aprendizaje computacional consiste en un modelo teórico llamado PAC

(Probably Approximately Correct), que evalua si un algoritmo puede aprender correctamente funciones

o conceptos utilizando un número finito de ejemplos y en un tiempo computacional razonable, sin tener

la necesidad de una programación explícita, lo cual es clave para la automatización de procesos de

selección a partir de datos históricos, es así, que esta teoría se articula con los principios de

computabilidad interpuestos por Turing (1936), quien demostró que los números computables pueden

automático se usa para enseñar a las máquinas cómo manejar los datos más eficientemente, de igual

forma se aplica, cuando después de ver los datos, no se pueden interpretar de forma correcta, dicho de

otro modo, se usa el aprendizaje automático cuando se quiere aprender más de los datos para obtener

un mayor conjunto de información de gran relevancia. Del mismo modo, el aprendizaje automático se

puede clasificar en tres tipos de aprendizaje los cuales son: aprendizaje supervisado, aprendizaje no

supervisado y aprendizaje reforzado (Ali et al., 2023; Sindayigaya y Dey, 2022) , donde el enfoque es

en el algoritmo supervisado de tipo clasificación, según como se detallan en la figura 1 a continuación.

Figura 1 Tipos de algoritmos de aprendizaje de automático

Para este artículo se van a contextualizar tres algoritmos de tipo clasificación, los cuales son: Árboles

de Decisión, Naive Bayes y K-Nearest Neighbors. Primeramente se va a enunciar, el algoritmo de

árboles de decisión, el cual es un modelo predictivo, que consiste en estructuras en forma de árbol,

2 detallada a continuación.

Figura 2 Estructura de un árbol de decisión para clasificación

En efecto, los algoritmos más representativo para árboles de decisión son el algoritmo CART por sus

siglas en inglés (Classification and Regression Trees) que es para clasificación y regresión, y el

algoritmo ID3 por sus siglas en inglés (Iterative Dichotomiser 3) que es un decotomizador iteractivo,

atributo que mejor separe las clases, construyendo un árbol mas eficiente y preciso (Lu et al., 2022;

Somvanshi et al., 2016).

Bayes calcula la probabilidad de que un correo sea “spam” o “no spam”, según las palabras que

contenga el correo (Contreras et al., 2024; Gupta et al., 2022).

Figura 3 Estructura de un árbol de decisión para clasificación

Del mismo modo, el algoritmo k-Vecinos Más Cercanos (KNN), es un algoritmo de clasificación no

paramétrico, utilizado tanto para la clasificación como regresión, donde un punto de datos se clasifica

según la mayoría de los votos de sus vecinos más cercanos, es decir asigna a un punto de datos no

etiquetado la clase del conjunto de datos más cercano previamente eqtiquetados. El valor apropiado de

K y la mejor opción de distancia se determina mediante validación cruzada para que el algoritmo sea

de registros duplicados. Adicionalmente, se identificaron y trataron valores atípicos que pudieran

afectar el desempeño de los modelos predictivos.

Posteriormente, se realizó un procesamiento que consistió en la codificación de variables categóricas,

la normalización de variables numéricas, transformación de fechas en variables temporales, dividir el

conjunto de datos en características y la variable objetivo o resultado, con este tratamiento se preparó

al conjunto de datos de entrenamiento (train) con el 80% de la data y de evaluación (test) con el 20%

de la data para su aplicación en los algoritmos de aprendizaje automático seleccionados, y una vez

evaluados los modelos con las variables de importancia seleccionadas, se procede a realizar una

evaluación de los resultados obtenidos con las métricas Exactitud (Accuracy) y ROC-AUC, para la

determinación del mejor modelo a emplear, de acuerdo a la figura 5 del proceso propuesto presentado

investigado es pertinente aplicar los algoritmos Árboles de Decisión, Naive Bayes Bernoulli y K-

Nearest Neighbors.

Para la selección de las variables que contribuyen al mejor modelo de los algoritmos, se seleccionó y

se entrenó el algoritmo de árboles de decisión con las 05 variables que más registros mantienen con

personal evaluado como No Idóneo de la matriz de datos del registro oficial, ya que es el algoritmo que

mantiene la función para evaluar las características de importancia de las variables, pudiéndose

determinar con el valor de ganancia, que no existieron variables menores al 1%, es decir las 05 variables

son importantes, de acuerdo a las variables y figura 6 que se detallan a continuación.

Variable 1.- reg_nota_min_exam_conoc_dos_opor

Variable 2.- reg_no_autoriza_verificar_datos_DHP

Algoritmo de clasificación Árboles de Decisión

Se realizó el entrenamiento y evaluación del algoritmo, tomando las 05 variables anteriormente

seleccionadas, teniendo como resultado la obtención de los valores de las siguientes métricas: Accuracy

mejorar el Gini Test, el cual indica que es un buen modelo por los valores obtenidos en sus métricas,

de acuerdo a la figura 7 y tabla 2 presentadas a continuación.

Figura 7 Obtención de las métricas del algoritmo Árboles de Decisión para entrenamieno y prueba

Tabla 2 Valor de las métricas del algoritmo Árboles de Decisión

asimismo, la métrica AUC mantiene un valor de 0,98; es decir, que el modelo clasifica perfectamente

todas las instancias y tiene un rendimiento excelente y por último una diferencia del Gini Train que

tiene un valor del 0,9608 y Gini Test con un valor de 0,9600 el cual da una diferencia del del 0,08%,

obteniendo un buen porcentaje casi del 0% en la diferencia de Gini, el cual indica que es un buen modelo

(Train)

Tabla 3 Valor de las métricas del algoritmo Naive Bayes Bernoulli

Algoritmo de clasificación K-Nearest Neighbors

Se realizó el entrenamiento y evaluación del algoritmo, tomando las 05 variables anteriormente

por los valores obtenidos en sus métricas, de acuerdo a la figura 9 y tabla 4 presentadas a continuación.

Figura 9 Obtención de las métricas del algoritmo K-Nearest Neighbors para entrenamieno y prueba

de 0,98, exponiendo un buen rendimiento en la distinción de clases positivas y negativas, teniendo como

factores claves que contribuyen al éxito del modelo la selección de características relevantes, la calidad

de los datos y las técnicas adecuadas para el entrenamiento y validación de los algoritmos, de acuerdo

a la tabla 5 expuesta a continuación.

Tabla 5 Selección del mejor modelo a implementar dados por las métricas Accuracy y AUC

Idóneo) en el nodo raíz del árbol, representando la gran mayoría de los casos 2.018 de 2.120 muestras,

Recall

de documentación militar (reg_falt_negli_talento_humano) y la responsabilidad disciplinaria en

procesos dentro de la institución (reg_resp_investigacion_inspectoria). A lo largo de las divisiones, el

índice Gini disminuye progresivamente, indicando una mayor pureza de clasificación. El árbol alcanza

nodos terminales completamente puros es decir con Gini = 0, donde se identifica con total certeza a

personal evaluado de la clase 1, es decir personal que obtuvo la calificación de Idóneo. Esto demuestra

que el modelo no solo discrimina efizcamente entre clases, sino que también proporciona una lógica

clara y trazable para fundamentar decisiones institucionales basadas en el historial del evaluado.

Figura 9 Generacion del árbol de decisión del mejor modelo a implementar

se tomaron las mismas métricas de Exactitud y AUC para evaluar los algoritmos seleccionados de

Árboles de Decisión, Clasificador Naive Bayes , K-Nearest Neighbors; y asi, poder determinar el mejor

modelo para la evaluación del personal naval para la idoneidad o no idoneidad para ocupar puestos

sensibles.

CONCLUSIONES

La investigación realizada de los estudios del estado del arte antes expuestos y el análisis de los datos

oficiales obtenidos de la institución militar de los años 2017 hasta agosto del 2024, con dos posibles

resultados Idóneo o No Idóneo para ocupar puestos sensibles, permitió determinar que para la solución

de este problema se deben aplicar algoritmos supervisados de clasificación, los cuales están indicados

en la fundamentación teórica, para la selección del mejor algoritmo o modelo a implementar.

como factores claves que contribuyen al éxito del modelo la selección de características relevantes, la

calidad de los datos y las técnicas adecuadas para el entrenamiento y validación de los algoritmos.

En cuanto a los desafíos, aunque no invalidan los hallazgos, se sugiere para estudios futuros se debería

ampliar la muestra y seguir investigando estados del arte para analizar y corroborar los tipos métricas

que permitan seleccionar el mejor algoritmo a implementar en base a los casos similares del estado de

arte ya estudiado.

Ali, A. N. F., Sulaima, M. F., Razak, I. A. W. A., Kadir, A. F. A., & Mokhlis, H. (2023). Artificial

Arana, C. (2021). Modelos de aprendizaje automoático mediante árboles de decisión.

Borja-Robalino, R., Monleón-Getino, A., & Rodellar, J. (2020). Estandarización de métricas de

Contreras, L., Fuentes, H., & Rodríguez, J. (2024). Algoritmos supervisados y de ensamble con python:

Creswell, J. W., & Creswell, J. D. (2017). Research design: Qualitative, quantitative, and mixed

Lu, Y., Ye, T., & Zheng, J. (2022). Decision tree algorithm in machine learning. 2022 IEEE International

Romero, J. L. (2025). Análisis integral de algoritmos de clasificación en aprendizaje automático:

Singh, A., Thakur, N., & Sharma, A. (2016). A review of supervised machine learning algorithms. 2016

Somvanshi, M., Chavan, P., Tambade, S., & Shinde, S. (2016). A review of machine learning techniques

Turing, A. M. (1936). On computable numbers, with an application to the Entscheidungsproblem. J. of

Valiant, L. G. (1984). A theory of the learnable. Communications of the ACM, 27(11), 1134-1142.