Bienvenido a mi Portafolio

Este proyecto tiene como objetivo predecir la salida de clientes (churn) de Beta Bank utilizando un modelo de aprendizaje supervisado. Por lo que crearemos un algoritmo de ML utilizando python y la librería Scikit Learn, como condicion este modelo necesita un valor F1 de al menos 0.59. Evaluaremos el F1 score del modelo es una métrica que combina la precisión (precision) y el recall (sensibilidad) en una sola puntuación y el AUC-ROC AUC es el área bajo la curva y ROC es la curva de características operativas del receptor. La curva ROC es un gráfico que muestra la relación entre la tasa de verdaderos positivos (recall) y la tasa de falsos positivos (1 - especificidad) a varios umbrales de decisión.

El AUC mide el área bajo la curva ROC y su valor varía entre 0 y 1. Un valor de AUC cercano a 1 indica que el modelo tiene una alta capacidad para distinguir entre las clases positivas y negativas. Un valor de AUC de 0.5 indica un modelo sin capacidad predictiva (equivalente a una predicción aleatoria).

Esta es una aplicación web interactiva desarrollada con Streamlit para realizar un análisis exploratorio de datos sobre anuncios de venta de vehículos en los Estados Unidos. La aplicación permite visualizar diferentes aspectos del conjunto de datos vehicles_us.csv, como la distribución del odómetro y la relación entre el precio y las millas recorridas.