Predicción_abandono_de_clientes

En el notebook "Predicción_Abandono_de_Clientes.ipynb", se encuentra el proceso de creación de un modelo de machine learning supervisado con el objetivo de predecir futuros abandonos de clientes en un banco.

En este notebook se hace lo siguiente

• Recolección de datos.
• Procesamiento de datos:
  • Verificación de cantidad de datos a analizar.
  • Modificación de nombre de columnas.
  • Verificación de datos nulos.
  • Verificación de posibles resultados por columna.
  • Eliminación de columnas.
• Exploración de datos:
  • Visualización de datos discriminando por la columna target.
  • Codificación de columnas categóricas.
  • Normalización de columnas continuas.
  • Balanceo de datos.
• Entrenamiento de diferentes modelos de clasificación.
• Validación de los modelos.
• Optimización de modelos.
• Validación de los modelos optimizados.
• Prueba de predicción con el mejor modelo.

Librerías usadas

• Pandas para manipulación y análisis de datos.
• Numpy para la creación de arrays.
• Matplotlib y Seaborn para visualización de datos.
• Sklearn (Scikit-Learn) para codificación y normalización de datos, entrenamiento de diferentes modelos de machine learning y validación de modelos.

Link del Dataset usado para el modelo de machine learning

https://www.kaggle.com/code/idrisondata/bank-customer-churn-prediction