📊 Predicción de Churn en Telecom X

📌 Descripción

Este repositorio contiene un proyecto de Machine Learning aplicado a datos de clientes de Telecom X, cuyo objetivo principal es predecir la cancelación de clientes (Churn).

El proyecto aborda todo el flujo de un modelo predictivo: desde la extracción y preparación de datos, hasta el entrenamiento de diferentes algoritmos y la interpretación de resultados.

---

📂 Contenido del Notebook

El notebook Telecom_X2.ipynb está estructurado en las siguientes secciones:

1. 📌 Extracción

   • Carga del dataset inicial.

2. 🔧 Preparación de los datos

   • Codificación de variables categóricas (Encoding).
   • Cálculo de la proporción de clientes que cancelaron.
   • Análisis de correlación y multicolinealidad.
   • Balanceo de clases.
   • Estandarización de características numéricas.
   • Análisis de la relación entre variables y Churn.

3. 🤖 Modelado Predictivo

   • Regresión Logística.
   • Random Forest.
   • XGBoost.

4. 🔍 Evaluación de los Modelos

   • Evaluación en el conjunto de entrenamiento.
   • Validación cruzada.

5. 📋 Interpretación y Conclusiones

   • Importancia de las variables en Regresión Logística.
   • Importancia de las variables en Random Forest.
   • Importancia de las variables en XGBoost.

---

📊 Dataset

• Fuente: Dataset ficticio de clientes de Telecom X.
• Observaciones: ~7.000 clientes.
• Variable objetivo:
  • Churn (1 = Cliente canceló, 0 = Cliente activo).
• Variables predictoras:
  • Datos demográficos (género, edad, etc.).
  • Tiempo como cliente (tenure).
  • Tipo de contrato (Contract).
  • Servicios contratados (InternetService, PhoneService, etc.).
  • Cargos (Charges.Monthly, Charges.Total).

---

⚙️ Requisitos

Para ejecutar este proyecto necesitas tener instalado:

• Python 3.x
• Librerías:

  pip install pandas numpy matplotlib seaborn scikit-learn xgboost
  

🚀 Cómo ejecutar el proyecto

1. Clona este repositorio:

git clone https://github.com/JonathanPuertaG/challenge-telecom-x-parte-2.git cd challenge-telecom-x-parte-2

2. Abre el notebook en Jupyter o Google Colab:

jupyter notebook Telecom_X2.ipynb

3. Ejecuta las celdas paso a paso siguiendo la estructura.

📈 Resultados esperados

• Comparación de desempeño entre distintos modelos de clasificación.

• Identificación de las variables más importantes para explicar el Churn.

• Conclusiones que orientan la retención de clientes en la empresa.

👤 Autor

José Luis González Hernández