Comparativa entre classification trees, random forest y gradient boosting; en la predicción de la satisfacción laboral en Ecuador.

Abstract

Con el objetivo de encontrar un modelo adecuado para predecir el Nivel de Satisfacción Laboral en Ecuador, se compararon tres modelos de predicción basados en árboles. Los modelos “Random Forest” y “Gradient Boosting” se consideran más complejos que el modelo “Classification Trees” y suponen mejores resultados; sin embargo, al aplicarlos sobre una base de datos obtenida a partir de la Encuesta Nacional de Empleo, Desempleo y Subempleo; se encontró que los criterios y eficiencia de predicción son similares para los tres modelos, alcanzando aproximadamente un 30% de error en la clasificación.

Se concluyó que no necesariamente un modelo más complejo obtiene resultados más precisos.