Predicción del Churn utilizando técnicas de Machine Learning
tipo de documento semantico ckh_publication
Ficheros
Resumen
Se ha realizado el presente trabajo de Fin de Máster para mejorar un problema actual de una empresa española que opera en los sectores eléctrico y gasístico. El objetivo principal es reducir el número de bajas de sus clientes. Para conseguir esto, primero habrá que seleccionar las variables más importantes mediante técnicas estadísticas como la Regresión Logística y el test de Chi-Cuadrado.
Para predecir si un cliente se da de baja, se usarán modelos de clasificación de Machine Learning tales como la Regresión Logística, Basic Tree, Bagging, Random Forest, XG-Boost y Redes Neuronales. Tras seleccionar el mejor modelo, se hará un análisis clúster para agrupar los clientes que se comportan de manera similar y así poderles ofrecer ofertas más personalizadas.
This Master's project has been carried out to improve a current problem of a Spanish company that operates in the electricity and gas sectors. The main objective is to reduce the number of contract terminations of its customers. To achieve this, first the most important variables will be selected using statistical techniques such as Logistic Regression and Chi-Square test.
This Master's project has been carried out to improve a current problem of a Spanish company that operates in the electricity and gas sectors. The main objective is to reduce the number of contract terminations of its customers. To achieve this, first the most important variables will be selected using statistical techniques such as Logistic Regression and Chi-Square test.
