caso de uso
El modelo que acierta el 90% y no sirve — Mundo Real
Caso de uso 3: Industria: ONG / tercer sector. Nivel: Fácil. 7 lecciones, 5 días simulados. Clasificación con clases desbalanceadas. Datasets descargables.
para este caso necesitas…
El caso da por sabido lo que se enseña en estos módulos de Entrenamiento. Puedes entrar ya; si algo no te suena, el módulo está a un clic.
Bienvenida a Donare
Tu tercer encargo, en una ONG: vuelves a clasificar (renueva o no), pero la clase que importa es muy minoritaria, y eso cambia cómo mides.
Lunes: montar el repo y mirar los datos
Cargar los seis extractos y entender qué tabla es de sujeto, cuál de comportamiento y cuál define lo que quieres predecir, y cómo se cruza todo.
Martes: limpiar y construir el target
Limpiar la suciedad, construir el target cruzando con renovaciones (solo el 10,95% no renueva) y resumir el comportamiento a una cifra por socio.
Miércoles: el primer modelo y la euforia
Entrenar una regresión logística con stratify y medir la accuracy: 0,89, un triunfo aparente. Álvaro te pide que no mandes nada todavía.
Jueves: la accuracy miente con una clase rara
El descubrimiento: «renueva todo el mundo» también acierta el 89%, y con el corte en 0,5 tu modelo caza a 3 de 329. Pero el modelo sí sabe ordenar: el culpable es el corte.
Jueves: el problema era el corte, no el modelo
La tentación de reequilibrar con class_weight, por qué se descarta (ordena igual y estropea las probabilidades), y la solución: ordenar por riesgo y llamar a tantos como quepan.
Viernes: que se entienda y se fíen de la lista
Puntuar a los socios de hoy con la misma preparación que el entrenamiento, cortar la lista por las llamadas que caben, montar las figuras honestas y cerrar el repo con su README.