Este proyecto aplica Machine Learning para analizar y predecir el churn (deserción) de clientes en un gimnasio, utilizando datos reales. Se realiza un análisis exploratorio, visualización y entrenamiento de modelos predictivos.
El objetivo es identificar los factores que influyen en que un cliente deje de asistir al gimnasio y desarrollar un modelo capaz de predecir esta deserción con alta precisión.
El flujo de trabajo incluye:
- Carga y exploración de datos: Análisis de la distribución de variables y diferencias entre clientes que se quedan y los que se van.
- Visualización: Histogramas, gráficos comparativos y análisis de correlaciones.
- Preprocesamiento: Escalado de variables y separación en conjuntos de entrenamiento y prueba.
- Modelado: Implementación de modelos de clasificación como:
- Regresión Logística
- Random Forest
- Evaluación de modelos: Métricas como precisión (accuracy), precision y recall.
- Clustering: Agrupación de clientes mediante K-Means y Hierarchical Clustering para encontrar patrones ocultos.
├── Proyecto_ML.ipynb # Notebook con todo el análisis y modelado ├── README.md # Descripción del proyecto ├── requirements.txt # Librerías necesarias para ejecutar el proyecto └── data/ └── gym_churn_us.csv # Dataset utilizado (no incluido por privacidad)
- Clona el repositorio:
git clone https://github.com/usuario/nombre-del-repo.git cd nombre-del-repo - Instala las dependencias
pip install -r requirements.txt
- Abre el notebook
jupyter notebook Proyecto_ML.ipynb
-
Python 3
-
Pandas, NumPy
-
Matplotlib, Seaborn
-
Scikit-learn
-
SciPy
-
Identificación de variables clave en la deserción de clientes.
-
Modelos con métricas competitivas en precision y recall.
-
Segmentación de clientes en grupos con patrones de comportamiento diferenciados.
Este proyecto se distribuye bajo la licencia MIT.