La compañía móvil Megaline no está satisfecha al ver que muchos de sus clientes utilizan planes heredados. Quieren desarrollar un modelo que pueda analizar el comportamiento de los clientes y recomendar uno de los nuevos planes de Megaline: Smart o Ultra. Tienes acceso a los datos de comportamiento de los suscriptores que ya se han cambiado a los planes nuevos.
Para esta tarea de clasificación vamos a crear un modelo que escoja el plan correcto.
Desarrollaremos un modelo con la mayor exactitud posible con al menos un umbral de exactitud del 75%. Usaremos el dataset para comprobar la exactitud.
El objetivo es obtener un modelo capaz de predecir el tipo de plan Ultra o Smart que necesitan los usuarios.
- Introducción
- Iniciación de datos
- Examina datos
- Descripción de datos
- Machine Learning
- Segmentación de datos
- Entrenamiento
- Algoritmo DecisionTreeClassifier
- Algoritmo RandomForestClassifier
- Algoritmo LogisticRegression
- Calidad del modelo
- Prueba de cordura
- Conclusión general
- pandas, numpy,
- sklearn.model_selection import train_test_split,
- sklearn.tree import DecisionTreeClassifier,
- sklearn.ensemble import RandomForestClassifier,
- sklearn.linear_model import LogisticRegression,
- sklearn.metrics import accuracy_score,