Algoritmos de Machine-Learning aplicados à predição de salários com base em dados de admissão do Cadastro Geral de Empregados e Desempregados - CAGED (2022)

Aug 5, 2026

Algoritmos de Machine Learning são explorados para predição de salários a partir dos dados de admissão de 2022 do Cadastro Geral de Empregados e Desempregados (CAGED). Modelos foram treinados em Python com a biblioteca Scikit-Learn, com foco na identificação de atributos relevantes. Os resultados apontam ocupação, grau de instrução e idade como variáveis mais significativas para a previsão. O GradientBoostingRegressor apresentou o menor erro médio quando treinado com atributos mais desagregados, porém a concentração de salários nas faixas mais baixas reduz o desempenho para altas rendas.

IdiomaPortuguese

CategoriaPesquisa e Relatórios

FormatoPDF

Páginas8

Tempo de leitura12 min

AcessoDownload gratuito

Índice

Introdução

Aplicações e benefícios de Machine Learning

Motivação: sonegação e rotatividade (turnover)

Metodologia

Base de dados do CAGED (2022)

Treinamento de modelos em Python (Scikit-Learn)

Resultados e Discussão

Atributos mais relevantes para a predição

Melhor modelo e menor erro médio

Limitações na predição de altas rendas

Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Estatística Programa de Especialização em Data Science e Big Data Kelvin Henrique Vieira Pedroso Algoritmos de Machine-Learning aplicados à predição de salários com base em dados deadmissão do Cadastro Geral de Empregados e Desempregados – CAGED (2022) Curitiba Kelvin Henrique Vieira Pedroso Algoritmos de Machine-Learning aplicados à predição desalários com base em dados de admissão do Cadastro Geral de Empregados e Desempregados – CAGED (2022) Monograﬁa apresentada ao Programa de Especialização em Data Science e Big Data da Universidade Federal do Paraná como requisito parcial para a obtenção do grau de especialista. Orientador: Prof. Luiz Eduardo Soares de Oliveira Curitiba Especialização em Data Science & Big Data [dsbd.leg.ufpr.br](dsbd.leg.ufpr.br) Universidade Federal do Paraná Trabalho de Conclusão de Curso, nº 01, 01 (2023) Algoritmos de Machine-Learning aplicados à predição de salários com base em dados de admissãodo Cadastro Geralde Empregados e Desempregados – CAGED (2022) Machine-Learning algorithms applied on wage predictions based on hiring data of General Register of Employees and Unemployed-CAGED (2022) Kelvin H. V. Pedroso 1 , Luiz E. S. de Oliveira2 1Aluno do programa de Especialização em Data Science & Big Data* 2 Professor do Departamento de Estatística-DEST/UFPR† Modelos de Machine Learning aplicados a predição de salários podem ser utilizados pelo setor público como uma ferramenta adicional ao combate à sonegação de imposto de renda e pelo setor privado no combate à taxa de turnover. O objetivo deste trabalho é explorar modelos de machine learning que possibilitem predizersalários. Para isso foi utilizado os dados de admissão de 2022 do Cadastro Geral de Empregados e Desempregados – CAGED e treinados modelos em Python da biblioteca Scikit-Learn. Os estudos apontaram para os atributos de ocupação, grau de instrução e idade do admitido como os mais relevantes para predição salarial. O modelo com menor erro médio foi o GradientBoostingRegressor treinado em uma base de dados com atributosmais desagregados. Também ﬁca patente que a distribuição dos salários majoritariamente concentrados emfaixas mais baixas fez tender para baixo as predições e portanto, os modelos não desempenharam bem napredição de altas rendas. Palavras-chave: CAGED, Aprendizagem de Máquina, predição, salários Machine-Learning models can be applied to wage predictions that can be used by the government as an additional tool to ﬁght against income tax evasion and by the private sectors against increases in turnover rates. The aim of this work is to explore machine-learning models that allow us to predict wages. For this purpose, the 2022 hiring data from the General Registry of Employed and Unemployed-CAGED was used, and models were trained based on Scikit-Learn library from Python Language. The ﬁndings indicate that the occupation, educational level and age of the employee are the most relevant attributes for wage prediction. The model with the lowest mean error was the GradientBoostingRegressor trained on a dataset with more disaggregated attributes. It is also evident that the distribution of wages predominantly concentrated in lower ranges caused the predictions to tend downwards, and therefore, the models did not perform well in predicting high incomes. Keywords: CAGED, Machine Learning, prediction, wages 1. Introdução Atualmente, modelos de Machine Learning estão presentes nas mais diversas atividades humanas e são utilizados para planejar, produzir, vender e se relacionar com o público [4] . Os algoritmos permitem identiﬁ car padrões, tendências e inconsistências, como, porexemplo, em casos de fraude ﬁnanceira. Desta forma, os benefícios para as organizações estão na tomada deações mais rápidas, redução de custos com processos *[vieirapedroso@gmail.com](vieirapedroso@gmail.com)[ ](vieirapedroso@gmail.com)†[luiz.ol

Perguntas frequentes

Qual modelo apresentou o menor erro médio e em que condições?

O GradientBoostingRegressor apresentou o menor erro médio quando treinado em uma base com atributos mais desagregados.

Aug 5, 2026

Carregar por Ava Thompson