Regresión logística en Python: un estudio de caso

Tenga en cuenta que un banco le est√° pidiendo que desarrolle una aplicaci√≥n de aprendizaje autom√°tico que los ayudar√° a identificar clientes potenciales que abrir√°n un dep√≥sito a plazo (tambi√©n llamado dep√≥sito fijo en algunos bancos). El Banco realiza encuestas peri√≥dicamente a trav√©s de llamadas telef√≥nicas o formularios web para recopilar informaci√≥n sobre clientes potenciales. La encuesta es de naturaleza general y se realiza con una audiencia muy amplia, muchos de los cuales pueden no estar interesados ‚Äč‚Äčen trabajar con el banco en s√≠. Del resto, solo unos pocos pueden estar interesados ‚Äč‚Äčen abrir un dep√≥sito a plazo. Otros pueden estar interesados ‚Äč‚Äčen otros servicios ofrecidos por el banco. Por lo tanto, la encuesta no se realiza necesariamente para identificar a los clientes que abren un AP. Su tarea es identificar a todos estos clientes con una alta probabilidad de abrir TD bas√°ndose en los enormes datos de la encuesta que el banco compartir√° con usted.

Afortunadamente, uno de esos tipos de datos est√° disponible p√ļblicamente para cualquiera que busque desarrollar modelos de aprendizaje autom√°tico. Estos datos fueron preparados por algunos de los estudiantes de la Universidad de California, Irvine, con financiamiento externo. La base de datos est√° disponible como parte de Repositorio de aprendizaje autom√°tico de la UCI y es ampliamente utilizado por estudiantes, profesores e investigadores de todo el mundo. Los datos se pueden descargar desde aqu√≠

En los siguientes capítulos, desarrollemos ahora una aplicación utilizando los mismos datos.

ūüöę