Validación Cruzada — Predicción de Churn

# Descripción

Proyecto de validación cruzada y métricas avanzadas para predicción de churn en telecomunicaciones (4.000 clientes, ~20% churn). Aprende K-Fold Cross Validation para estimación confiable del rendimiento, Stratified K-Fold para mantener proporciones de clases, métricas que importan con datos desbalanceados (F1-Score vs Accuracy), curvas ROC y Precision-Recall, curvas de aprendizaje para diagnosticar sesgo/varianza, comparación de 4 modelos con CV, y GridSearchCV para optimización de hiperparámetros.

$ ./deploy.sh $ git clone

# Características principales

$ K-Fold Cross Validation: 5 particiones para estimación robusta

$ Stratified K-Fold: mantiene proporción de clases en cada fold

$ Métricas avanzadas: precisión, recall, F1-score, ROC-AUC

$ Curvas ROC y Precision-Recall para datos desbalanceados

$ Curvas de aprendizaje para diagnóstico de sesgo/varianza

$ GridSearchCV: búsqueda de mejores hiperparámetros con CV

# Galería

Vista escritorio

Vista móvil

# Tecnologías utilizadas

Python scikit-learn pandas numpy matplotlib seaborn