Cuaderno 14 - Regresión logística

Datos

Para esto usaremos datos publicados por IBM de la compañía TELCO, en donde nos muestra clientes y sus características, lo importante es poder entender que es lo que hace que un cliente ya NO quiera el servicio, a esto se le llama CHURN. Publicados aquí: https://www.ibm.com/docs/en/cognos-analytics/11.1.0?topic=samples-telco-customer-churn. y los descargamos de aquí: https://www.kaggle.com/datasets/blastchar/telco-customer-churn Esto usando la metodología CRISP-DM: https://www.ibm.com/docs/es/spss-modeler/saas?topic=dm-crisp-help-overview

Importación

Manejo de datos

Manejo de variables categóricas

Básicamente aquí pasamos los datos de tipo "texto" (character) a booleanos, ¿para qué? dado que el modelo no 'entiende' palabras, pero si entiende conteos de datos binarios, en este caso booleanos (true or false)

Análisis exploratorio de datos (EDA)

Muy bien, entonces hasta este punto solamente hemos hecho un par de cosas:

Puntos a considerar:

Escalabilidad de los datos

Ahora, tenemos varios tipo de datos y de diferentes naturalezas, es decir, aquí en un modelo

es importante cuidar las diferentes escalas, para poder compararlos, a continuación

Haremos un proceso llamado "escalabilidad", para de esta forma formatearlos y poder compararlos

Esto sucede en este caso en particular durante el análisis exploratorio de datos ¿por qué?

Dado que el proceso CRISP-DM que estamos usando es un proceso cíclico e iterativo

Este proceso es similar a por ejemplo:

Si la calificación de un estudiante es 8 y fue el más alto, eso se toma como 10

Y en base a eso se 'escalan' y estandarizan las demás calificaciones, para poder

entonces tener un marco común de comparación, este tipo de procesos se le conoce como

"data preprocessing" = cocinando los datos previamente para poder hacer algo con ellos

Y ahora pasamos a ver nuestros datos ya escalados

Entonces!

Ahora los datos están en un mismo marco común estandarizado

Ahora, pasamos de nuevo al análisis exploratorio de datos

Análisis exploratorio de datos

Torturando los datos hasta que confiesen

Esto, entendiendo los diferentes contrastes entre variables categóricas

El género de las personas tiene algo que ver con el hecho de que dejen de ser clientes de la empresa?

Esta gráfica que nos dice? si o no ?

Ahora, haremos un BUCLE, con el cual en base a instrucciones básicas haremos todas estas gráficas

esto para no estar haciendo gráfica una por una

esto es importante para entender contrastes y saber que variables funcionan mejor para clasificar

Ahora, entendamos cómo se ve este contraste en 1 sola imagen

Entre más podamos sintetizar mejor

Que vemos aquí? las variables de churn y no churn están muy mezcladas, en pocas variables se ven separadas, lo cual dificulta hacer un modelo de clasificación

Entrenamiento de modelo

Ahora que ya tratamos y exploramos los datos, empezaremos a construir el modelo, este es un proceso iterativo también

Esta parte de construir el modelo lo veremos presencialmente para poder fusionar la parte matemática y la de sistemas

para al final entre todo el grupo pasar a las conclusiones y desplegar el modelo

Evaluación del modelo

Matriz de confusión