Ejercicio_​Negocio_​Grupo_​2

1. CARGA Y SELECCIÓN DE DATOS

Se seleccionan las variables Age, Gender, Income, Location y Subscriber

2. PREPARACIÓN DE DATOS

Tratamiento de valores faltantes y conversión de Subscriber a variable categórica.

3. DIVISIÓN TRAIN / TEST

80% entrenamiento y 20% prueba.
Muestreo estratificado por Subscriber.

4A. ÁRBOL DE DECISIÓN

Clasificación mediante índice Gini.
Modelo evaluado como alternativa de clasificación.

4B. NAIVE BAYES

Modelo probabilístico de clasificación.
Modelo seleccionado por su desempeño predictivo.

4C. REGRESIÓN LOGÍSTICA

Modelo de clasificación binaria.
Modelo evaluado como alternativa de clasificación.

5. EVALUACIÓN Y SELECCIÓN DEL MODELO

Modelo seleccionado: Naive Bayes

Análsis de la matriz de confusión el modelo genero mejores resultadosen comparación a los demás modelos.

Se logra identificar las siguientes características

1. El modelo predice con un 87.88% de efectividad que los subscritores con 0 el modelo predice 116 subscricciones.

2. El modelo predice con un 19.18% de efectividad que los subscritores con 1 el modelo predice 14 subscricciones.

3. El modelo erro con 16 subscritores 0.

4. El modelo erro con 59 subscritores 1.

El modelo de Neive Bayes predice correctamente la relación que existe entre la edad, genero, ingreso y localidad con la suscripción

Análisis exploratorio y perfilamiento