La clasificación de códigos es esencial en la actualidad, ya que determinar el código de transmisión en el lado del receptor es un desafío. Un algoritmo novedoso para el código de desplazamiento fijo hacia la derecha (FRS) puede ser utilizado en sistemas embebidos de comunicación por fibra óptica de próxima generación (OFC). El código tiene como objetivo proporcionar varios niveles de calidad de servicio (QoS): audio, video y datos. El factor Q, la tasa de error de bits (BER) y la relación señal-ruido (SNR) se estudian para ser utilizados como predictores para el aprendizaje automático (ML) y empleados en el diseño de un clasificador QoS embebido. La prueba de hipótesis se utiliza para demostrar la robustez de los datos de entrada de ML. Se revelan la correlación de Pearson y el factor de inflación de la varianza (VIF), ya que son detectores típicos de un problema de multicolinealidad de datos. La prueba de hipótesis muestra que las propiedades estadísticas para las muestras de factor Q, BER y SNR son similares al conjunto de datos de la población, con valores de 0.98, 0.99 y 0.97, respectivamente. La matriz de correlación de Pearson muestra una correlación altamente positiva entre el factor Q y SNR, con 0.9. El valor más alto de VIF es de 4.5, correspondiente al factor Q. Finalmente, la evaluación de ML muestra resultados prometedores, ya que los clasificadores de árbol de decisión (DT) y de bosque aleatorio (RF) alcanzan una precisión del 94% y 99%, respectivamente. Se revelan las curvas de característica operativa del receptor (ROC) de cada caso, demostrando que el RF supera el rendimiento de clasificación del DT.