🚀 Predicción de Satisfacción Cliente con Gradient Boosting 😊

¡Bienvenido al repositorio de modelos avanzados para experiencia de cliente! Este proyecto utiliza Gradient Boosting (XGBoost, LightGBM, CatBoost) para predecir el nivel de satisfacción de clientes basado en interacciones de servicio. Ideal para centros de contacto, retail y empresas de servicios.

📋 Tabla de Contenidos

1. Requisitos
2. Instalación
3. Uso
4. Estructura del Proyecto
5. Datos
6. Resultados
7. Contribución
8. Licencia
9. Contacto

---

🔧 Requisitos

• Python 3.8+
• Bibliotecas: xgboost, lightgbm, catboost, pandas, scikit-learn, shap
• GPU (opcional, para entrenamiento acelerado)

⚙️ Instalación

# Clonar repositorio
git clone https://github.com/tuusuario/gb-satisfaccion-cliente.git

# Instalar dependencias
pip install -r requirements.txt

# Instalación opcional para GPU
pip install --upgrade xgboost lightgbm catboost --install-option=--cuda

📂 Estructura del Proyecto

├── data/
│ ├── satisfaccion_clientes.csv # Dataset principal
│ └── generador_datos.py # Generador de datos sintéticos
├── modelos/
│ ├── comparacion_gb.py # Comparación XGBoost/LightGBM/CatBoost
│ ├── optimizacion.py # Optimización hiperparámetros
│ └── interpretacion_shap.py # Explicabilidad del modelo
├── notebooks/
│ ├── EDA_satisfaccion.ipynb # Análisis exploratorio interactivo
│ ├── comparacion_modelos.ipynb # Benchmark de algoritmos
│ └── analisis_shap.ipynb # Interpretación con SHAP
├── resultados/
│ ├── shap_summary.png # Importancia global
│ ├── dependencia_tiempo_espera.png# Gráficos de dependencia
│ ├── mejor_modelo.cbm # Modelo optimizado serializado
│ └── metricas_comparativas.csv # Resultados comparativos
└── requirements.txt

📊 Datos

• Variables del dataset ficticio (generado sintéticamente):

• tiempo_espera (Minutos en espera)

• interacciones (Número de contactos requeridos)

• edad (Edad del cliente)

• tipo_servicio (Categórico: Técnico, Facturación, Ventas, Soporte)

• canal (Teléfono, Chat, Email, Presencial)

• resolucion_primer_contacto (Binario: Sí/No)

• Target: satisfaccion (Puntuación 1-100)

🤝 Contribución

¡Tu experiencia es valiosa! Contribuye mediante:

• Reporte de bugs o sugerencias en Issues

• Mejora de documentación

• Optimización de hiperparámetros

• Nuevos análisis de interpretación

##📜 Licencia
Distribuido bajo licencia Apache 2.0. Ver LICENSE para detalles.

¡Si te gusto dame una estrella! 🚀