📊 Modelo Supervisado de Clasificación: Aceptación de Clientes a Ofertas en Campañas de Marketing

Este proyecto aplica técnicas de Machine Learning para predecir la aceptación de clientes a ofertas en campañas de marketing. A través del análisis predictivo, permite a las empresas anticipar el comportamiento de los clientes y optimizar sus estrategias comerciales.

🔍 Estructura del Proyecto

1️⃣ Entendimiento de los Datos (Data Understanding)

• Análisis inicial del dataset.
• Revisión de tipos de datos, valores nulos y distribución de variables.
• Identificación de posibles sesgos o desbalance de clases.

2️⃣ Preparación de los Datos (Data Preparation)

• Manejo de valores faltantes y outliers.
• Creación de nuevas variables relevantes.
• Codificación de variables categóricas.
• Normalización y escalado de variables numéricas.
• División del dataset en entrenamiento (70%), validación (15%) y prueba (15%).

3️⃣ Análisis Exploratorio de Datos (EDA)

• Visualización de distribuciones de variables.
• Análisis de correlaciones entre características.
• Detección de patrones relevantes en los datos.

4️⃣ Modelado (Modelling)

• Selección de algoritmos de clasificación supervisada:
  • Regresión logística.
  • Random Forest.
  • XGBoost.
• Ajuste de hiperparámetros y validación cruzada.
• Evaluación del desempeño con métricas como precisión, recall, F1-score y matriz de confusión.

5️⃣ Interpretación de Resultados y Conclusiones

• Comparación de modelos y selección del mejor enfoque.
• Identificación de variables más influyentes en la predicción.
• Recomendaciones para la aplicación del modelo en estrategias de marketing.

🛠 Tecnologías Utilizadas

• Lenguaje: Python
• Librerías: Pandas, NumPy, Scikit-learn, Matplotlib, Seaborn, XGBoost
• Herramientas: Jupyter Notebook, Google Colab