TP2-IA-RNA

TP 2 - Inteligencia Artificial - UTN FRBA

Resumen:

En el presente trabajo se buscará desarrollar una tecnica de la inteligencia artificial para resolver la siguiente tarea: "Predecir el salario neto por hora de un empleado del sector tecnologico en Argentina en base a las caracteristicas del empleo y su desarrollo profesional". Para esta tarea se implementará una red neuronal artificial donde el output será una aproximación al salario.

Introducción:

El mercado laboral del sector tecnologico argentino tiene caracteristicas muy particulares y resulta de especial interes, sobre todo para trabajadores y empleadores del sector, tener una vision más certera de como se mueve el mercado laboral. Una de las caracteristicas de mayor interes es el salario de los empleados. Para relevar esta información de mano directa de los empleados se creo la plataforma www.encuestasit.com, donde se encuesta a los empleados sobre las caracteristicas de su trabajo, su desarrollo profesional y su salario. Esta encuesta se realiza anualmente y luego se publican los resultados en el sitio. Ademas se suben los datos en crudo en formato csv. Para este trabajo solo se utilizarán datos del 2016. El objetivo es aproximar el salario neto por hora de un empleado en función de las caracteristicas del trabajo y del trabajador.

Elementos del Trabajo y Metodología:

Modelo de RNA utilizada con la justificación de su elección. Se utilizará el modelo Backpropagation ya que es el que mejor se ajusta a la tareas de aproximación y clasificación.
Arquitectura y topología final de la RNA. En principio una sola capa oculta de 20 neuronas. Esta limitación en el modelo corresponde más a limitaciones de infraestructura hardware necesaria para entrenar el modelo que a un ajuste que busque minimizar el error de la aproximación

TODO

Descripción de los patrones utilizados para el entrenamiento y la validación de la RNA (por lo menos se debe utilizar un 25% de los patrones disponibles para la validación). Se separa el dataset en 2 sub conjuntos: un conjunto de entrenamiento que contiene el 70% de los casos, elegidos aleatoreamente, que se utilizará para el entrenamiento. Y otro subconjunto de validación con el 30% de los casos restantes.
Herramientas, lenguajes y/o librerías seleccionadas para la implementación de la RNA. Se implementara en R, utilizando la libreria de redes neuronales llamada neuralnet
En caso de haber utilizado varios prototipos, las características de las principales versiones utilizadas.

prueba con una sola capa de 10 neuronas. El error medio del modelo fue de $85
prueba con 3 capas de 20 neuronas. El modelo no converge en la maxima iteración evaluada.
prueba con 2 capas, la capa 1 de 12 neuronas y la capa 2 de 8 neuronas. El error medio fue de $65. Modelo elegido.

Resultados:

El error general obtenido en el entrenamiento de la RNA. Para el conjunto de entrenamiento el error medio fue de $59 Para el conjunto de test el error medio fue de $65

El promedio de los salarios es de $261. Podemos decir que la predicción está en promedio en un +/- 24% del salario real.

La aproximación es lo suficientemente buena para al menos poder tener una idea del rango salarial de la persona.

Ademas podemos analizar el histograma del error en la predicción, lo que nos da una idea más clara de como lo está haciendo nuestro modelo al predecir los salarios:

TODO: Agregar histograma

Vemos que es una distribuccion normal con centro en 0, y la gran mayoria de los casos están en el intervalo (-100; 100).

Los resultados obtenidos al aplicar en la RNA entrenada los patrones de validación (correctos y/o incorrectos). Para ello, se debe utilizar una tabla que indique por cada patrón: TODO: Pegar tabla.

Discusión:

Análisis de los resultados obtenidos en la sección anterior. Para ello, se puede evaluar de los resultados según dos perspectivas: - ¿El Sistema Inteligente propuesto resuelve satisfactoriamente el problema? En el caso en que el resultado no fuese satisfactorio, indique posibles causas y proponga cursos de acción. El modelo propuesto aproxima suficientemente bien el salario neto por hora. Se podria mejorar aun más aumentando la cantidad de iteraciones de entrenamiento en conjunto con una disminución del learning rate para aumentar las probabilidades de que el modelo converga en un minimo global. - ¿Cómo se compara con otras arquitecturas? TODO: a que otras arquitecturas se refiere?

Conclusión:

Conclusiones de la implementación del Sistema Inteligente.
Relación entre los resultados, el modelo utilizado y la teoría vista en clase.
Descripción de los problemas encontrados durante la implementación (si hubo alguno) y las estrategias de resolución aplicadas.

Referencias:

Cita de bibliografía consultada, tanto escrita como digital (tal como una página web).
- http://www.kdnuggets.com/2016/08/begineers-guide-neural-networks-r.html/2
- https://www.r-bloggers.com/fitting-a-neural-network-in-r-neuralnet-package/
Cita de otras fuentes teóricas, datos, técnicas y cualquier otra cosa que se haya utilizado para la realización del trabajo práctico.
- Aplicación de algunos conceptos del curso https://www.coursera.org/learn/machine-learning

Script en R (código fuente)

Carga de los datos

# ----------------------  Levantar DataFrame  ----------------------

# Levantamos el archivo ya formateado,
encuestas <- read.csv("./datos.csv")
encuestas$X <- NULL

Resumen de datos

Visualizamos un resumen de los datos que vamos a usar para esta clasificación.

# ----------------------  imprimir resumen de campos  ----------------------

str(encuestas)

## 'data.frame':    17940 obs. of  46 variables:
##  $ Edad                               : int  32 34 52 37 26 31 39 33 30 31 ...
##  $ IdSexo                             : Factor w/ 3 levels "Femenino","Masculino",..: 2 2 2 2 2 2 2 2 2 2 ...
##  $ IdNivelEducativo                   : Factor w/ 10 levels "Master o postgrado completo",..: 10 10 9 10 10 7 9 9 10 10 ...
##  $ IdTipoDeEmpresa                    : Factor w/ 7 levels "Mi propia empresa",..: 7 7 7 7 7 7 7 7 7 7 ...
##  $ IdProvincia                        : Factor w/ 28 levels "Buenos Aires",..: 1 12 2 8 2 2 28 1 25 2 ...
##  $ IdPuesto                           : Factor w/ 90 levels "Administrador Middleware",..: 7 29 7 41 77 27 29 5 47 27 ...
##  $ horasTrabajadasXSemana             : int  40 45 40 40 35 40 40 50 40 40 ...
##  $ TrabajaDesdeCasa                   : Factor w/ 2 levels "No","Si": 1 1 1 1 1 2 2 1 1 1 ...
##  $ LeGustaTrabajarDesdeCasa           : Factor w/ 2 levels "No","Si": 2 2 1 2 2 2 1 2 2 2 ...
##  $ MesesDeExperiencia                 : int  96 36 144 96 12 12 36 60 6 60 ...
##  $ IdTecnologiaPrincipal              : Factor w/ 65 levels ".Net","AS/400",..: 41 1 41 20 41 30 33 33 53 42 ...
##  $ MesesEnElPuestoActual              : int  36 36 0 36 28 18 30 60 24 24 ...
##  $ SalarioActualNeto                  : int  6000 4500 4300 4750 3300 4900 3200 3900 3200 4500 ...
##  $ SalarioIdealNeto                   : int  10000 7500 6500 6500 4100 6000 4500 5000 5000 6800 ...
##  $ SeSientePresionado                 : int  0 0 0 0 0 0 0 0 10 0 ...
##  $ SeSienteSobreexigido               : int  10 0 0 0 0 0 10 0 10 0 ...
##  $ EnElLugarSeDesarrolla              : int  0 10 10 10 10 10 0 10 1 10 ...
##  $ LaboresDiariasGratas               : int  10 10 10 10 0 10 10 10 0 10 ...
##  $ SeLoReconoceComoDebiera            : int  10 10 10 0 10 10 0 0 0 10 ...
##  $ HayDesarrolloProfesional           : int  10 10 10 0 0 10 10 0 0 0 ...
##  $ SeSienteMotivado                   : int  10 10 10 0 0 10 10 0 0 0 ...
##  $ RelacionConJefes                   : int  8 10 10 9 9 6 9 8 4 10 ...
##  $ CambioPorMejorSalario              : Factor w/ 2 levels "No","Si": 2 2 1 2 2 2 2 2 2 2 ...
##  $ CambioPorMejorAmbiente             : Factor w/ 2 levels "No","Si": 1 1 1 2 1 1 2 1 2 1 ...
##  $ CambioPorFormaDeTrabajo            : Factor w/ 2 levels "No","Si": 1 2 1 2 2 1 2 2 2 2 ...
##  $ CambioPorTecnologia                : Factor w/ 2 levels "No","Si": 1 1 1 2 2 1 2 2 1 2 ...
##  $ NoCambio                           : Factor w/ 2 levels "False","True": 1 1 2 1 1 1 1 1 1 1 ...
##  $ CantidadDeMesesParaCambiarDeTrabajo: int  NA 12 NA 1 1 12 12 1 12 12 ...
##  $ NivelDeDesconfianza                : int  0 0 0 0 0 0 1 0 0 0 ...
##  $ CambioPorCercania                  : Factor w/ 3 levels "No","No informa",..: 2 2 2 2 2 2 2 2 2 2 ...
##  $ CambioPorMenorCargaHoraria         : Factor w/ 3 levels "No","No informa",..: 2 2 2 2 2 2 2 2 2 2 ...
##  $ CambioPorOportunidadDeCarrera      : Factor w/ 3 levels "No","No informa",..: 2 2 2 2 2 2 2 2 2 2 ...
##  $ TienePersonasACargo                : Factor w/ 3 levels "No","No informa",..: 2 2 2 2 2 2 2 2 2 2 ...
##  $ Relaci.nLaboral                    : int  NA NA NA NA NA NA NA NA NA NA ...
##  $ Anio                               : int  2010 2010 2010 2010 2010 2010 2010 2010 2010 2010 ...
##  $ Mes                                : int  6 6 6 6 6 6 6 6 6 6 ...
##  $ Semestre                           : Factor w/ 2 levels "Primer","Segundo": 1 1 1 1 1 1 1 1 1 1 ...
##  $ Hora                               : int  10 10 10 10 11 11 11 11 11 11 ...
##  $ RangoHora                          : Factor w/ 5 levels "Madrugada","Ma\361ana",..: 2 2 2 2 3 3 3 3 3 3 ...
##  $ DiferenciaSalarioRealIdeal         : int  4000 3000 2200 1750 800 1100 1300 1100 1800 2300 ...
##  $ SalarioNetoPorHora                 : num  150 100 107.5 118.8 94.3 ...
##  $ RangoSalario                       : Factor w/ 5 levels "Alto","Bajo",..: 2 5 5 5 5 5 5 5 5 5 ...
##  $ CargaLaboral                       : Factor w/ 4 levels "Extra Time","Full Time",..: 2 2 2 2 3 2 2 1 2 2 ...
##  $ Antiguedad                         : Factor w/ 4 levels "Expert","Junior",..: 3 3 NA 3 3 2 3 4 3 3 ...
##  $ Experiencia                        : Factor w/ 4 levels "Expert","Junior",..: 4 3 1 4 2 2 3 3 2 3 ...
##  $ RangoEdad                          : Factor w/ 10 levels "(0,20]","(20,25]",..: 4 4 8 5 3 4 5 4 3 4 ...

summary(encuestas)

##       Edad              IdSexo     
##  Min.   :18.00   Femenino  : 1859  
##  1st Qu.:28.00   Masculino :14926  
##  Median :32.00   No informa: 1155  
##  Mean   :33.52                     
##  3rd Qu.:38.00                     
##  Max.   :65.00                     
##                                    
##                                  IdNivelEducativo
##  Universitario en curso o incompleto     :6015   
##  Universitario completo                  :4181   
##  Terciario completo                      :3445   
##  Terciario en curso o incompleto         :1397   
##  Secundario completo                     :1107   
##  Master o postgrado en curso o incompleto: 873   
##  (Other)                                 : 922   
##                       IdTipoDeEmpresa           IdProvincia  
##  Mi propia empresa            :  381   Buenos Aires   :6817  
##  No informa                   : 1376   Capital Federal:6695  
##  Otro                         :  317   C<c3><b3>rdoba :1671  
##  Soy independiente / freelance:  102   Sante Fe       : 710  
##  Un organismo estatal         :  980   GBA Zona Norte : 453  
##  Una ONG                      :   58   Mendoza        : 321  
##  Una empresa privada          :14726   (Other)        :1273  
##                                     IdPuesto    horasTrabajadasXSemana
##  Desarrollador de software / Programador:4694   Min.   :20.00         
##  Analista Funcional                     :1325   1st Qu.:40.00         
##  Lider de Proyecto                      :1244   Median :40.00         
##  Consultor TI                           : 890   Mean   :41.52         
##  Soporte T<c3><a9>cnico                 : 672   3rd Qu.:45.00         
##  Gerente de Sistemas                    : 623   Max.   :96.00         
##  (Other)                                :8492                         
##  TrabajaDesdeCasa LeGustaTrabajarDesdeCasa MesesDeExperiencia
##  No:14374         No: 5588                 Min.   :  0.00    
##  Si: 3566         Si:12352                 1st Qu.: 36.00    
##                                            Median : 60.00    
##                                            Mean   : 65.58    
##                                            3rd Qu.: 96.00    
##                                            Max.   :144.00    
##                                                              
##  IdTecnologiaPrincipal MesesEnElPuestoActual SalarioActualNeto
##  .Net   :3812          Min.   :  0.0         Min.   : 3011    
##  Windows:2557          1st Qu.:  9.0         1st Qu.: 6000    
##  Java   :2447          Median : 24.0         Median : 9000    
##  Otro   :1338          Mean   : 33.9         Mean   :10811    
##  Oracle :1086          3rd Qu.: 48.0         3rd Qu.:13500    
##  SAP    :1047          Max.   :456.0         Max.   :70000    
##  (Other):5653                                                 
##  SalarioIdealNeto SeSientePresionado SeSienteSobreexigido
##  Min.   :    0    Min.   : 0.000     Min.   : 0.000      
##  1st Qu.: 8000    1st Qu.: 2.000     1st Qu.: 1.000      
##  Median :12000    Median : 5.000     Median : 5.000      
##  Mean   :14563    Mean   : 4.815     Mean   : 4.728      
##  3rd Qu.:18000    3rd Qu.: 7.000     3rd Qu.: 7.000      
##  Max.   :85000    Max.   :10.000     Max.   :10.000      
##                                                          
##  EnElLugarSeDesarrolla LaboresDiariasGratas SeLoReconoceComoDebiera
##  Min.   : 0.0          Min.   : 0.000       Min.   : 0.000         
##  1st Qu.: 3.0          1st Qu.: 5.000       1st Qu.: 3.000         
##  Median : 6.0          Median : 7.000       Median : 5.000         
##  Mean   : 6.1          Mean   : 6.744       Mean   : 5.265         
##  3rd Qu.: 9.0          3rd Qu.:10.000       3rd Qu.: 8.000         
##  Max.   :10.0          Max.   :10.000       Max.   :10.000         
##                                                                    
##  HayDesarrolloProfesional SeSienteMotivado RelacionConJefes
##  Min.   : 0.000           Min.   : 0.000   Min.   : 0.000  
##  1st Qu.: 2.000           1st Qu.: 2.000   1st Qu.: 6.000  
##  Median : 5.000           Median : 5.000   Median : 8.000  
##  Mean   : 5.141           Mean   : 5.316   Mean   : 7.212  
##  3rd Qu.: 8.000           3rd Qu.: 8.000   3rd Qu.: 9.000  
##  Max.   :10.000           Max.   :10.000   Max.   :10.000  
##                                                            
##  CambioPorMejorSalario CambioPorMejorAmbiente CambioPorFormaDeTrabajo
##  No: 3411              No:12969               No:10042               
##  Si:14529              Si: 4971               Si: 7898               
##                                                                      
##                                                                      
##                                                                      
##                                                                      
##                                                                      
##  CambioPorTecnologia  NoCambio     CantidadDeMesesParaCambiarDeTrabajo
##  No:12661            False:15872   Min.   : 0.000                     
##  Si: 5279            True : 2068   1st Qu.: 0.000                     
##                                    Median : 6.000                     
##                                    Mean   : 5.379                     
##                                    3rd Qu.:12.000                     
##                                    Max.   :12.000                     
##                                    NA's   :5588                       
##  NivelDeDesconfianza  CambioPorCercania CambioPorMenorCargaHoraria
##  Min.   :0.0000      No        :10602   No        :10900          
##  1st Qu.:0.0000      No informa: 3396   No informa: 3396          
##  Median :0.0000      Si        : 3942   Si        : 3644          
##  Mean   :0.2838                                                   
##  3rd Qu.:0.0000                                                   
##  Max.   :5.0000                                                   
##                                                                   
##  CambioPorOportunidadDeCarrera TienePersonasACargo Relaci.nLaboral
##  No        :6391               No        :9725     Min.   :0.00   
##  No informa:3396               No informa:4603     1st Qu.:1.00   
##  Si        :8153               Si        :3612     Median :1.00   
##                                                    Mean   :1.02   
##                                                    3rd Qu.:1.00   
##                                                    Max.   :3.00   
##                                                    NA's   :4603   
##       Anio           Mes            Semestre          Hora      
##  Min.   :2010   Min.   : 1.000   Primer :10291   Min.   : 0.00  
##  1st Qu.:2011   1st Qu.: 2.000   Segundo: 7649   1st Qu.:10.00  
##  Median :2013   Median : 6.000                   Median :13.00  
##  Mean   :2013   Mean   : 5.497                   Mean   :13.26  
##  3rd Qu.:2014   3rd Qu.: 8.000                   3rd Qu.:17.00  
##  Max.   :2016   Max.   :12.000                   Max.   :23.00  
##                                                                 
##      RangoHora    DiferenciaSalarioRealIdeal SalarioNetoPorHora
##  Madrugada:1381   Min.   :-4800              Min.   :  46.25   
##  Ma<f1>ana:3789   1st Qu.: 1600              1st Qu.: 147.17   
##  Mediodia :5006   Median : 3000              Median : 212.50   
##  Noche    :2591   Mean   : 3752              Mean   : 263.14   
##  Tarde    :4824   3rd Qu.: 5000              3rd Qu.: 325.00   
##  NA's     : 349   Max.   :29500              Max.   :1425.00   
##                                                                
##    RangoSalario           CargaLaboral        Antiguedad  
##  Alto    :3592   Extra Time     : 1390   Expert    :2304  
##  Bajo    :2754   Full Time      :14902   Junior    :7672  
##  Medio   :7328   Part Time      : 1256   SemiSenior:4600  
##  Muy Alto:1493   Very Extra Time:  392   Senior    :3063  
##  Muy Bajo:2772                           NA's      : 301  
##  NA's    :   1                                            
##                                                           
##      Experiencia     RangoEdad   
##  Expert    :3555   (30,35]:4866  
##  Junior    :3282   (25,30]:4794  
##  SemiSenior:7368   (35,40]:3023  
##  Senior    :2829   (20,25]:2226  
##  NA's      : 906   (40,45]:1455  
##                    (45,50]: 836  
##                    (Other): 740

# ----------------------   primeros campos  ---------------------- 
kable(head(encuestas))

Edad	IdSexo	IdNivelEducativo	IdTipoDeEmpresa	IdProvincia	IdPuesto	horasTrabajadasXSemana	TrabajaDesdeCasa	LeGustaTrabajarDesdeCasa	MesesDeExperiencia	IdTecnologiaPrincipal	MesesEnElPuestoActual	SalarioActualNeto	SalarioIdealNeto	SeSientePresionado	SeSienteSobreexigido	EnElLugarSeDesarrolla	LaboresDiariasGratas	SeLoReconoceComoDebiera	HayDesarrolloProfesional	SeSienteMotivado	RelacionConJefes	CambioPorMejorSalario	CambioPorMejorAmbiente	CambioPorFormaDeTrabajo	CambioPorTecnologia	NoCambio	CantidadDeMesesParaCambiarDeTrabajo	NivelDeDesconfianza	CambioPorCercania	CambioPorMenorCargaHoraria	CambioPorOportunidadDeCarrera	TienePersonasACargo	Relaci.nLaboral	Anio	Mes	Semestre	Hora	RangoHora	DiferenciaSalarioRealIdeal	SalarioNetoPorHora	RangoSalario	CargaLaboral	Antiguedad	Experiencia	RangoEdad
32	Masculino	Universitario en curso o incompleto	Una empresa privada	Buenos Aires	Administrador de Redes	40	No	Si	96	Otro	36	6000	10000	0	10	0	10	10	10	10	8	Si	No	No	No	False	NA	0	No informa	No informa	No informa	No informa	NA	2010	6	Primer	10	Maana	400	0 150.0000	0 Bajo	Full Time	SemiSenior	Senior	(30,35]
34	Masculino	Universitario en curso o incompleto	Una empresa privada	GBA Zona Oeste	Director de Sistemas	45	No	Si	36	.Net	36	4500	7500	0	0	10	10	10	10	10	10	Si	No	Si	No	False	12	0	No informa	No informa	No informa	No informa	NA	2010	6	Primer	10	Maana	300	0 100.0000	0 Muy Bajo	Full Time	SemiSenior	SemiSenior	(30,35]
52	Masculino	Universitario completo	Una empresa privada	Capital Federal	Administrador de Redes	40	No	No	144	Otro	0	4300	6500	0	0	10	10	10	10	10	10	No	No	No	No	True	NA	0	No informa	No informa	No informa	No informa	NA	2010	6	Primer	10	Maana	220	0 107.5000	0 Muy Bajo	Full Time	NA	Expert	(50,55]
37	Masculino	Universitario en curso o incompleto	Una empresa privada	Crdoba	Gerente de Operaciones		40 No	Si		96 Delphi		36	4750	6500	0	0	10	10	0	0	0	9 Si	Si	Si	Si	False		1	0 No informa	No informa	No informa	No informa		NA	2010	6 Prime	r	10 Ma	ana	1750 11	8.75000 Muy Ba	jo Full T	ime Semi	Senior Senio	r (35,40]
26	Masculino	Universitario en curso o incompleto	Una empresa privada	Capital Federal	Otro	35	No	Si	12	Otro	28	3300	4100	0	0	10	0	10	0	0	9	Si	No	Si	Si	False	1	0	No informa	No informa	No informa	No informa	NA	2010	6	Primer	11	Mediodia	800	94.28571	Muy Bajo	Part Time	SemiSenior	Junior	(25,30]
31	Masculino	Terciario completo	Una empresa privada	Capital Federal	Desarrollador de software / Programador	40	Si	Si	12	Java	18	4900	6000	0	0	10	10	10	10	10	6	Si	No	No	No	False	12	0	No informa	No informa	No informa	No informa	NA	2010	6	Primer	11	Mediodia	1100	122.50000	Muy Bajo	Full Time	Junior	Junior	(30,35]

Preprocesado de datos

Borramos caracteristicas que estan demasiado vinculadas a lo que vamos a predecir
Separamos la columna a predecir (SalarioNetoPorHora)
Todos las columnas de tipo "Factor" (Enumeración) las llevamos a int (entero)
Los valores faltantes (NA) los ponemos en 0
Se escalan los valores entre 0 y 1
Se quitan algunas caracteristicas poco imporantes que no se tendrán en cuenta en el modelo

# Borramos caracteristicas que estan demasiado vinculadas a lo que vamos a predecir
# No las vamos a utilizar ya que queremos poder predecir el salario en base a
# otras caracteristicas del empleo
encuestas$SalarioActualNeto <- NULL
encuestas$SalarioIdealNeto <- NULL
encuestas$DiferenciaSalarioRealIdeal <- NULL
encuestas$RangoSalario <- NULL

# Convercion de Enums a Int
encuestas$IdSexo <- as.numeric(encuestas$IdSexo)
encuestas$IdNivelEducativo <- as.numeric(encuestas$IdNivelEducativo)
encuestas$IdTipoDeEmpresa <- as.numeric(encuestas$IdTipoDeEmpresa)
encuestas$IdProvincia <- as.numeric(encuestas$IdProvincia)
encuestas$IdPuesto <- as.numeric(encuestas$IdPuesto)
encuestas$TrabajaDesdeCasa <- as.numeric(encuestas$TrabajaDesdeCasa)
encuestas$LeGustaTrabajarDesdeCasa <- as.numeric(encuestas$LeGustaTrabajarDesdeCasa)
encuestas$CambioPorMejorSalario <- as.numeric(encuestas$CambioPorMejorSalario)
encuestas$CambioPorMejorAmbiente <- as.numeric(encuestas$CambioPorMejorAmbiente)
encuestas$CambioPorFormaDeTrabajo <- as.numeric(encuestas$CambioPorFormaDeTrabajo)
encuestas$CambioPorTecnologia <- as.numeric(encuestas$CambioPorTecnologia)
encuestas$NoCambio <- as.numeric(encuestas$NoCambio)
encuestas$NivelDeDesconfianza <- as.numeric(encuestas$NivelDeDesconfianza)
encuestas$CambioPorCercania <- as.numeric(encuestas$CambioPorCercania)
encuestas$CambioPorMenorCargaHoraria <- as.numeric(encuestas$CambioPorMenorCargaHoraria)
encuestas$CambioPorOportunidadDeCarrera <- as.numeric(encuestas$CambioPorOportunidadDeCarrera)
encuestas$TienePersonasACargo <- as.numeric(encuestas$TienePersonasACargo)
encuestas$Relaci.nLaboral <- as.numeric(encuestas$Relaci.nLaboral)
encuestas$RangoHora <- as.numeric(encuestas$RangoHora)
encuestas$CargaLaboral <- as.numeric(encuestas$CargaLaboral)
encuestas$Antiguedad <- as.numeric(encuestas$Antiguedad)
encuestas$Experiencia <- as.numeric(encuestas$Experiencia)
encuestas$RangoEdad <- as.numeric(encuestas$RangoEdad)
encuestas$IdTecnologiaPrincipal <- as.numeric(encuestas$IdTecnologiaPrincipal)
encuestas$CargaLaboral <- as.numeric(encuestas$CargaLaboral)
encuestas$Semestre <- as.numeric(encuestas$Semestre)

# Los valores faltantes (NA) los ponemos en 0
encuestas[is.na(encuestas$CantidadDeMesesParaCambiarDeTrabajo),]$CantidadDeMesesParaCambiarDeTrabajo <- 0
encuestas[is.na(encuestas$Relaci.nLaboral),]$Relaci.nLaboral <- 0
encuestas[is.na(encuestas$RangoHora),]$RangoHora <- 0
encuestas[is.na(encuestas$Experiencia),]$Experiencia <- 0
encuestas[is.na(encuestas$Antiguedad),]$Antiguedad <- 0

# Guardamos el max y min salario neto por hora, para poder reescalar el valor
maxSal = max(encuestas$SalarioNetoPorHora)
minSal = min(encuestas$SalarioNetoPorHora)

# Escalado entre 0 y 1
range01 <- function(x){(x-min(x))/(max(x)-min(x))}
encuestas <- as.data.frame(sapply(encuestas, range01)) 


# Output
Output <- encuestas$SalarioNetoPorHora
encuestas$SalarioNetoPorHora <- NULL

# Borramos algunas caracteristicas a fin de simplificar el modelo
encuestas$LeGustaTrabajarDesdeCasa <- NULL
encuestas$CambioPorMejorAmbiente <- NULL
encuestas$CambioPorFormaDeTrabajo <- NULL
encuestas$CambioPorTecnologia <- NULL
encuestas$NoCambio <- NULL
encuestas$NivelDeDesconfianza <- NULL
encuestas$CambioPorCercania <- NULL
encuestas$CambioPorMenorCargaHoraria <- NULL
encuestas$CambioPorOportunidadDeCarrera <- NULL
encuestas$Relaci.nLaboral <- NULL
encuestas$RangoHora <- NULL
encuestas$Semestre <- NULL

Separación en sets

Selección de una submuestra del 70% para entrenamiento y 30% para test.

set.seed(101)
indices <- sample(1:nrow(encuestas),size=round(0.3*nrow(encuestas)))

entrenamiento_input <- encuestas[-indices,]
entrenamiento_output = Output[-indices]
entrenamiento <- entrenamiento_input
entrenamiento$Output <- entrenamiento_output

test_input <- encuestas[indices,]
test_output <- Output[indices]

Armado de la red neuronal

# Outputs:
nombres <- names(encuestas)

# Inputs:
f <- paste(nombres,collapse=' + ')
f <- paste('Output ~',f)

# Formula (Output en función de los inputs):
f <- as.formula(f)

# -------------------


# Creación y entrenamiento de la red neuronal

nn <- neuralnet(formula = f,                
                data = entrenamiento,
                threshold = 0.1,
                hidden=c(12,8),                
                linear.output=TRUE,
                stepmax = 20000)

Evaluación del modelo

# Calculamos las predicciones usando el modelo para el conjunto de TEST
predicciones_test <- compute(nn,test_input)

# Reescalamos los resultados (que estaban escalados al rango [0;1]) para que sean entendibles
salariosPredichos_test <- predicciones_test$net.result * (maxSal - minSal) + minSal
salariosReales_test <- test_output * (maxSal - minSal) + minSal

# Calculamos la diferencia entre el valor predicho y el valor real, en valor absoluto
errorPrediccion_test <- salariosReales_test - salariosPredichos_test
errorPrediccionAbs_test <- abs(errorPrediccion_test)

# Calculamos la media del error
errorPromedio_test <- mean(errorPrediccionAbs_test)
salarioPromedioReal_test <- mean(salariosReales_test)
salarioPromedioPredicho_test <- mean(salariosReales_test)


hist(errorPrediccion_test, breaks = 300, main="Histograma del error", xlim=c(-500, 500))

# Armamos resumen con los primeros casos
resumen <- test_input
resumen$SalarioNetoPorHoraReal <- salariosReales_test
resumen$SalarioNetoPorHoraPredicho <- salariosPredichos_test
resumen$ErrorPrediccion <- errorPrediccion_test

# Imprimimos resultado de implementar el modelo a los casos de test. 
# Para facilitar la lectura redondeamos en 2 decimales.
round_df <- function(x, digits) {
    numeric_columns <- sapply(x, mode) == 'numeric'
    x[numeric_columns] <-  round(x[numeric_columns], digits)
    x
}
kable(as.data.frame(t(head(round_df(resumen, 2), 10))))

	6678	787	12731	11797	4482	5382	10489	5981	11154	9788
Edad	0.43	0.36	0.19	0.60	0.23	0.15	0.43	0.23	0.09	0.55
IdSexo	0.50	0.50	1.00	0.50	0.50	0.50	0.50	1.00	0.50	0.50
IdNivelEducativo	0.11	0.44	1.00	1.00	0.89	1.00	0.78	1.00	0.67	0.11
IdTipoDeEmpresa	1.00	1.00	1.00	1.00	1.00	1.00	1.00	1.00	1.00	1.00
IdProvincia	0.04	0.04	0.00	0.89	0.11	0.00	0.00	0.04	0.00	0.26
IdPuesto	0.73	0.29	0.02	0.53	0.29	0.11	0.51	0.29	0.29	0.49
horasTrabajadasXSemana	0.26	0.26	0.26	0.33	0.26	0.33	0.26	0.26	0.26	0.39
TrabajaDesdeCasa	1.00	1.00	0.00	0.00	0.00	0.00	1.00	0.00	0.00	1.00
MesesDeExperiencia	1.00	0.08	0.08	0.08	0.04	0.42	1.00	0.25	0.08	1.00
IdTecnologiaPrincipal	0.45	0.00	0.47	0.00	0.36	1.00	1.00	0.45	0.06	0.91
MesesEnElPuestoActual	0.05	0.08	0.04	0.13	0.00	0.11	0.05	0.00	0.01	0.22
SeSientePresionado	0.70	1.00	0.50	0.50	1.00	0.10	0.30	0.40	0.10	0.50
SeSienteSobreexigido	0.80	1.00	0.60	0.80	0.00	0.30	0.30	0.50	0.70	0.50
EnElLugarSeDesarrolla	0.80	0.00	0.70	0.80	1.00	0.80	0.70	0.90	1.00	0.20
LaboresDiariasGratas	0.90	0.00	0.40	0.80	1.00	1.00	0.80	0.80	1.00	0.50
SeLoReconoceComoDebiera	0.80	0.00	0.40	0.50	1.00	0.80	0.40	0.90	1.00	0.80
HayDesarrolloProfesional	0.80	0.00	0.70	0.30	1.00	0.80	0.80	1.00	1.00	0.20
SeSienteMotivado	0.80	1.00	0.40	0.60	1.00	0.70	0.80	1.00	1.00	0.50
RelacionConJefes	1.00	0.50	0.40	0.60	0.80	1.00	0.30	0.70	1.00	1.00
CambioPorMejorSalario	1.00	1.00	1.00	1.00	0.00	1.00	1.00	1.00	0.00	1.00
CantidadDeMesesParaCambiarDeTrabajo	0.00	1.00	0.00	0.00	0.00	0.00	0.50	0.00	0.00	0.00
TienePersonasACargo	0.00	0.50	0.00	0.00	0.50	0.00	1.00	0.00	0.00	1.00
Anio	0.33	0.00	0.67	0.67	0.17	0.33	0.50	0.33	0.50	0.50
Mes	0.55	0.55	0.09	0.00	0.55	0.00	0.64	0.18	0.73	0.18
Hora	0.70	1.00	0.78	0.52	0.48	0.70	0.30	0.57	0.74	0.57
CargaLaboral	0.33	0.33	0.33	0.33	0.33	0.33	0.33	0.33	0.33	0.00
Antiguedad	0.75	0.75	0.75	1.00	0.50	1.00	0.75	0.50	0.50	0.25
Experiencia	0.25	0.50	0.50	0.50	0.50	0.75	0.25	0.75	0.50	0.25
RangoEdad	0.44	0.33	0.22	0.67	0.22	0.11	0.44	0.22	0.11	0.56
SalarioNetoPorHoraReal	225.00	187.50	137.50	288.89	87.50	88.89	375.00	192.50	237.50	280.00
SalarioNetoPorHoraPredicho	283.78	112.64	223.30	286.38	144.89	155.99	437.38	169.77	157.31	319.29
ErrorPrediccion	-58.78	74.86	-85.80	2.51	-57.39	-67.10	-62.38	22.73	80.19	-39.29

# Calculamos las predicciones usando el modelo para el conjunto de ENTRENAMIENTO
predicciones_entrenamiento <- compute(nn,entrenamiento_input)

# Reescalamos los resultados (que estaban escalados al rango [0;1]) para que sean entendibles
salariosPredichos_entrenamiento <- predicciones_entrenamiento$net.result * (maxSal - minSal) + minSal
salariosReales_entrenamiento <- entrenamiento_output * (maxSal - minSal) + minSal

# Calculamos la diferencia entre el valor predicho y el valor real, en valor absoluto
errorPrediccion_entrenamiento <- abs(salariosReales_entrenamiento - salariosPredichos_entrenamiento)

# Calculamos la media del error
errorPromedio_entrenamiento <- mean(errorPrediccion_entrenamiento)
salarioPromedioReal_test <- mean(salariosReales_entrenamiento)
salarioPromedioPredicho_test <- mean(salariosReales_entrenamiento)

Visualización del modelo

plot(nn)