Modelo Predictivo de clasificación

Creación de un modelo para predecir si un cliente abandonará el banco o no.

Contenido

• Introducción
  • Objetivo
• Iniciación de datos
  • Examina datos
• Procesamiento datos
  • Pre-procesamiento de datos
    • Valores ausentes
  • Procesamiento de características
    • Codificación One-Hot
    • Escalado de caracteristicas
• Exploración gráfica de datos
• Entrenar un modelo
  • Modelo piloto con clases desequilibradas
    • Prueba de consistencia
  • Equilibrio de clases
    • Sobremuestreo
    • Submuestreo
  • Entrenamiento de modelos y mejora la calidad del modelo
    • 1-Algoritmo DecisionTreeClassifier
    • 2-Algoritmo Random Forest Classifier
    • 3-Algoritmo Logistic Regression
  • Curva ROC
• Conclusión general

Librerías usadas:

• import pandas as pd
• import numpy as np
• import matplotlib.pyplot as plt
• from sklearn.preprocessing import StandardScaler
• from sklearn.model_selection import train_test_split
• from sklearn.tree import DecisionTreeClassifier
• from sklearn.ensemble import RandomForestClassifier
• from sklearn.linear_model import LogisticRegression
• from sklearn.metrics import accuracy_score
• from sklearn.metrics import f1_score
• from sklearn.metrics import roc_curve
• from sklearn.metrics import roc_auc_score
• from sklearn.utils import shuffle