El presente repositorio se refiere a un curso sobre árboles de decisión, impartido en colaboración con el Colegio de Matemáticas Bourbaki
Se realiza un análisis para la retención de clientes de una empresa de telecomunicaciones, utilizando árboles de decisión y bosque aleatorio para entender las características más relevantes para la retención de clientes de una empresa de telecomunicaciones.
El conjunto de datos se tomó de Kaggle https://www.kaggle.com/blastchar/telco-customer-churn. Éste cuenta con 7,043 renglones y 21 columnas.
Cada renglón representa un cliente y cada columna un atributo. Entre los atributos se incluyen:
- Características socidemograficas: sexo, si tienen pareja y dependientes económicos
- Información de la cuenta: antiguedad como cliente en la compañía, contrato, forma de pago, monto del pago mensual, etc
- Servicios que recibe: telefono, si tiene multiples líneas, internet, seguridad, respaldos, TV, etc
- Clientes que se abandonaron la compañía en el último mes ('Churn')
En la fase de preprocesamiento, se elimina el ID del cliente, se sustituyen los valors nulos por 0 (solo 11, presentes en la variable TotalCharges), se realiza una transformación de las variables categóricas en binarias mediante la codificación One Hot Encoding, y se balancean los casos. De esta manera, al final del preprocesamiento, el conjunto para usar en el árbol de decision tiene 3,738 renglones y 34 columnas.