🤖 Telecom X – Predicción de Churn (Parte 2 · Machine Learning)

Segunda etapa del Challenge: pasamos del EDA a modelos predictivos de churn.
Se entrenan y comparan Regresión Logística, Random Forest y XGBoost sobre el dataset de Telecom X, manteniendo el criterio de negocio: reducir clientes “churn” no detectados (FN).

---

📌 Repositorio

👉 https://github.com/Kr1st1an-cl/challenge-TelecomX_parte-2

El diccionario de datos se mantiene desde la Parte 1:
TelecomX_diccionario.md

---

🧭 Metodología (resumen)

1. Preparación y limpieza (one-hot encoding, remoción de redundancias, normalización cuando aplica).
2. Separación Train/Test estratificada (26.5% churn en ambos).
3. Modelado
   • Regresión Logística (con class_weight), datos escalados.
   • Random Forest (con class_weight), datos sin escalar.
   • XGBoost (con scale_pos_weight=1.5), datos sin escalar.
4. Validación con StratifiedKFold (K=5).
5. Evaluación en Train y Test con: Accuracy, Precision, Recall, F1, ROC-AUC, Balanced Accuracy.
6. Curvas ROC y Precision-Recall para comparación visual.

---

📊 Resultados en Test (métricas reales del notebook)

Modelo	Accuracy	Precision	Recall	F1-Score	ROC-AUC	Balanced Acc.
Logistic Regression	0.779	0.575	0.647	0.609	0.843	0.737
Random Forest	0.786	0.597	0.599	0.598	0.845	0.727
XGBoost	0.780	0.580	0.620	0.599	0.838	0.729

Lectura clave:

• Random Forest tiene el ROC-AUC más alto en Test (0.845), con precision ligeramente superior.
• Regresión Logística logra el mejor Recall (0.647) y Balanced Accuracy (0.737), con la brecha más baja entre Train y Test → mejor generalización.
• XGBoost queda muy cerca en métricas globales, pero muestra la brecha Train→Test más amplia (signos de overfitting).

👉 Criterio de negocio (detectar churn): si priorizamos Recall y equilibrio entre clases, Regresión Logística es la opción base.
Si buscamos AUC global y precision algo mayor, Random Forest tiene una ventaja marginal.

---

🧮 Matrices de Confusión (Test)

Modelo		Pred. No Churn	Pred. Churn
Logistic Regression	Real No Churn	856	179
	Real Churn	132	242
Random Forest	Real No Churn	884	151
	Real Churn	150	224
XGBoost	Real No Churn	867	168
	Real Churn	142	232

Recordatorio: en churn, FN (churns no detectados) son más costosos que FP.

---

📈 Curvas ROC y Precision-Recall

• Curvas ROC muy cercanas; Random Forest obtiene el AUC más alto en Test.
• En Precision-Recall, las curvas son competitivas; el ranking visual es consistente con las métricas de la tabla.

Se realizó ajuste de umbral para el modelo seleccionado, con foco en Recall y costos de negocio.

---

💡 Recomendaciones

1. Usar Regresión Logística como baseline operacional (mejor Recall + generalización).
2. Implmentar estrategias de negocio por factor crítico:

• Antigüedad: Programa "Primeros 100 Días": Onboarding intensivo nuevos clientes
• Tipo Contrato: Campaña migración masiva: Mes a Mes → contratos largos
• Clientes Premium: Programa VIP: Atención especializada alto valor y mejor SLA
• Servicios Avanzados: Ofrecer servicios avanzados y monitoreo de uptime fibra óptica
• Servicios Adicionales: Ofrecer venta cruzada de servicios de seguridad, paquetes y servicios de prueba como ancla

3. Ajustar umbrales de decisión del modelo elegido para reducir FN según tolerancia de negocio.
4. Hacer seguimiento al rendimiento del modelo predictivo.
5. Medir efectividad de retención y Calidad del Servicio a través de NPS (Net Promoter Score)

---

🔬 Valor Técnico:

Un modelo con 76.5% recall que identifica 3 de cada 4 clientes en riesgo, con variables interpretables que permiten acción directa.

💼 Valor de Negocio:

Estrategias específicas por factor de riesgo que transforman predicciones en acciones concretas de retención.

---

🛠 Tecnologías

• Python (Pandas, NumPy, Scikit-Learn, XGBoost)
• Matplotlib / Seaborn / Plotly
• Google Colab / Jupyter Notebook
• GitHub para control de versiones

---

👤 Autor

Cristian Velásquez Ríos
📘 Data Science – G8 ONE Alura LATAM 2025
✉️ e-mail
🔗 LinkedIn

---

🚀 Cómo ejecutar este proyecto

1. Clona este repositorio

   git clone https://github.com/Kr1st1an-cl/challenge-TelecomX_parte-2.git

2. Abre el archivo .ipynb en Google Colab o Jupyter Notebook
3. Ejecuta cada celda siguiendo el flujo del análisis
4. Observa los gráficos, resultados y conclusiones al final del notebook

---

📂 Estructura del repositorio

📁 data/                                                      # Dataset original del desafío
📁 img/                                                       # Capturas o visuales opcionales
📄 Challenge_Telecom_X_Parte_2_Cristian_Velasquez_Rios.ipynb  # Notebook principal
📄 README.md                                                  # Este archivo