Supervised Learning Credit-Prediction

Proyecto de aprendizaje supervisado que aplica múltiples algoritmos de clasificación para predecir si un cliente se suscribirá a un crédito bancario, a partir de datos de una campaña de telemarketing.

---

Descripción

Este proyecto forma parte del módulo de Sistemas de Machine Learning y tiene como objetivo demostrar el uso de algoritmos de aprendizaje supervisado para resolver un problema de clasificación binaria.

A partir de un dataset de una campaña de marketing telefónico bancario, se entrena y evalúa distintos modelos para predecir si un cliente acabará suscribiéndose a un crédito (yes/no).

---

Algoritmos utilizados

• KNN (K-Nearest Neighbors)
• Regresión Logística
• Random Forest

---

📁 Estructura del proyecto

supervised-learning-credit-prediction/
│
├── data/
│   ├── credit_train.csv       # Dataset de entrenamiento
│   └── credit_test.csv        # Dataset de prueba
│
├── .gitignore                 # Archivos y carpetas ignorados por Git
├── notebook.ipynb             # Notebook principal con todo el análisis
├── requirements.txt           # Dependencias del proyecto
└── README.md

---

⚙️ Instalación y uso

1. Clona el repositorio

git clone https://github.com/tresssco/supervised-learning-credit-prediction.git
cd supervised-learning-credit-prediction

2. Crea un entorno virtual (opcional pero recomendado)

python -m venv venv
source venv/bin/activate        # Linux/Mac
venv\Scripts\activate           # Windows

3. Instala las dependencias

pip install -r requirements.txt

4. Ejecuta el notebook

jupyter notebook notebook.ipynb

---

Resultados

|Las métricas mostradas corresponden a la clase positiva (y = 1, es decir, cliente que sí se suscribe al crédito), que es la clase de interés en este problema.

Algoritmo	Accuracy	Precisión	Recall	F1-Score
KNN	90%	64%	33%	44%
Regresión Logística	86%	44%	90%	59%
Random Forest	90%	53%	81%	64%

Análisis comparativo

Los tres modelos alcanzan una accuracy similar (~86–90%), pero se comportan de forma muy distinta al predecir la clase positiva:

• KNN obtiene la mayor precisión (64%) pero un recall muy bajo (33%), lo que significa que deja escapar a muchos clientes potenciales. No es ideal para este problema.
• Regresión Logística consigue el recall más alto (90%), detectando casi todos los clientes interesados, pero a costa de una precisión baja (44%) — genera muchos falsos positivos.
• Random Forest ofrece el mejor equilibrio entre precisión y recall, reflejado en el F1-Score más alto (64%). Es el modelo más robusto para este problema, ya que maximiza la detección de clientes reales sin disparar los falsos positivos.

Modelo recomendado: Random Forest, por su mejor F1-Score en la clase positiva y su comportamiento equilibrado en precisión y recall.

---

Etapas del proyecto

1. Importación de datos
2. Análisis numérico y visual (EDA)
3. Preprocesado
4. Entrenamiento de modelos
5. Evaluación y métricas
6. Comparativa final de algoritmos

---

Tecnologías

• Python 3.x
• Pandas
• NumPy
• Scikit-learn
• Matplotlib / Seaborn
• Jupyter Notebook

---

👤 Autor

Jorge Escolano González
IES de Teis — Vigo
Módulo: Machine Learning