user@devops:~$ cat README.md
Random Forest — Predicción de Riesgo Bancario
# Descripción
Proyecto de Random Forest para predicción de riesgo de impago de préstamos bancarios con datos sintéticos realistas de 1.500 clientes. Aprende cómo un ensamble de 100 árboles supera a un árbol de decisión simple: bootstrap sampling, random subset of features, y agregación por votación. Compara métricas (accuracy, precision, recall, F1, AUC-ROC), analiza feature importance, ajusta hiperparámetros (n_estimators, max_depth), y visualiza curvas ROC. Demostración práctica de por qué 100 expertos votando rara vez se equivocan.
# Características principales
$ Comparativa Árbol Simple vs Random Forest con métricas detalladas
$ Bootstrap sampling y random feature subsets para diversidad
$ Feature importance: ranking de factores de riesgo crediticio
$ Curvas ROC y AUC para evaluación de clasificación
$ Ajuste de hiperparámetros: n_estimators, max_depth
$ Validación cruzada 5-fold para robustez
# Galería
# Tecnologías utilizadas
