IA de bajo código

Capítulo 7. Entrenamiento de modelos ML personalizados en Python

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

En este capítulo, aprenderás a construir modelos de clasificación para predecir la pérdida de clientes utilizando dos populares bibliotecas de ML disponibles en Python, scikit-learn y Keras. En primer lugar, explorarás y limpiarás tus datos utilizando Pandas. A continuación, aprenderás a utilizar scikit-learn para preparar las características categóricas para el entrenamiento mediante la codificación one-hot, entrenar un modelo de regresión logística, comprender el rendimiento del modelo mediante métricas de evaluación y mejorar el rendimiento del modelo. Aprenderás a realizar los mismos pasos utilizando Keras para construir un modelo de clasificación de red neuronal utilizando los datos ya preparados. Por el camino, aprenderás más sobre las métricas de rendimiento de los modelos de clasificación y cómo entender mejor una matriz de confusión para evaluar mejor tus modelos de clasificación.

El conjunto de datos que se utiliza en este capítulo, el conjunto de datos IBM Telco Customer Churn, es un conjunto de datos popular para aprender a modelar la pérdida de clientes. Deberías animarte a consultar otros ejemplos de cómo trabajar con este conjunto de datos para ampliar tus conocimientos después de completar los ejercicios de este capítulo.

El caso de uso empresarial: Predicción de la pérdida de clientes ...