Tarea

Evaluación del modelo

Scorer. Solo acepta string. Evalúa las predicciones basándote en la matriz de confusión creada con el nodo Scorer.

Entrenar un modelo

- Agregar nodo de aprendizaje y predicción de red neuronal. En este caso decidimos hacer 10 mil de iteraciones con 3 capas ocultas

- Escribir un PMML del modelo, escoger una carpeta

Juan Sebastian Peña Torres

Creación de un modelo de predicción de abandono de clientes

Este flujo de trabajo ilustra cómo crear y evaluar un modelo de predicción de abandono de clientes, es decir, cómo predecir la probabilidad de que un cliente cancele un contrato específico.

Tarea

Entrenar y evaluar un modelo para predecir el abandono de clientes. Usando método red neuronal.

Preprocesamiento

- Combinar datos de contratos y datos de comportamiento. Usar criterios código de área y teléfono. Eliminar columnas repetidas entre tablas "Teléfono" y "Código de área". Quitar columna "Estado" ya que la letra no se puede pasar a doble (red neuronal requiere doble).

- Manipulación de letra para eliminar "-" de los teléfonos y poder volverlo numero (red neuronal solo recibe números dobles). Remplazar columna teléfono.

- Volver letra teléfono a número.

- Red neuronal requiere normalizar datos.

- Reservar el 80 % de las filas para el entrenamiento del modelo y el 20 % restante para las pruebas.

Leer nuevos datos

Usando el PMML previamente escrito se lee. Se

agregan los nuevos datos, tratamiento de datos

correspondiente y se conecta con el predictor

para hacer predicciones nuevas con el modelo

previamente realizado

Baja = 0 clientes que mantienen el contrato

Baja = 1 cliente que cancela el contrato

Lectura de datos

Dos archivos:

- Datos de contratos + baja de clientes (CSV)

- Datos de comportamiento de llamadas (Excel)