Situación
El proyecto analiza 891 pasajeros del Titanic y entrena un árbol de decisión para clasificar supervivencia. La tabla combina datos personales, clase, tarifa y variables con ausencias importantes, entre ellas 177 edades y 687 valores faltantes en cabina.
El desafío
Preparar el conjunto exige tratar faltantes, codificar categorías y controlar la profundidad para evitar sobreajuste. El notebook explora árboles de profundidad 1 a 14 sobre una división 80/20. Como no fija random_state, la partición puede cambiar entre ejecuciones y las métricas publicadas no son completamente reproducibles. Tampoco permiten inferir causas históricas de supervivencia.
La solución
La implementación usa pandas y Seaborn para explorar y transformar los datos, y scikit-learn para codificación, entrenamiento y evaluación. La comparación de profundidades selecciona un árbol de profundidad 8 y calcula exactitud y F1 por clase sobre 178 observaciones de prueba.
Impacto
La corrida registrada obtiene 84,8 % de exactitud, con F1 de 0,89 para no supervivencia y 0,78 para supervivencia. Son resultados de una división concreta, no una garantía estable. El trabajo muestra cómo la complejidad del árbol afecta el rendimiento y deja visibles los principales problemas de calidad. Fijar la semilla y repetir la evaluación sería necesario para estimar variabilidad.