El problema
En una clasificación binaria se decide entre dos resultados a partir de un conjunto de variables. La exactitud no basta para evaluar el clasificador: con clases desbalanceadas puede ser alta aunque el modelo no resulte útil.
Resolución
- Análisis exploratorio previo con Pandas y Seaborn para entender la distribución de las variables y el balance de las clases.
- Modelo de regresión logística con Scikit-learn, entrenado sobre la partición de entrenamiento y evaluado con datos que nunca vio.
- Evaluación completa mediante
classification_report—precisión, exhaustividad y F1 por clase— y una matriz de confusión para distinguir entre falsos positivos y falsos negativos.
Tecnologías
Python · Scikit-learn · Pandas · Seaborn
Conocimiento demostrado
Cómo elegir la métrica según el costo del error: cuándo importa más la exhaustividad —no omitir positivos— y cuándo la precisión —no generar falsas alarmas—. La matriz de confusión muestra información que la exactitud agregada oculta.