La compañía móvil Megaline no está satisfecha al ver que muchos de sus clientes utilizan planes heredados. Quieren desarrollar un modelo que pueda analizar el comportamiento de los clientes y recomendar uno de los nuevos planes de Megaline: Smart o Ultra. Tienes acceso a los datos de comportamiento de los suscriptores que ya se han cambiado a los planes nuevos.

Para esta tarea de clasificación vamos a crear un modelo que escoja el plan correcto.

Desarrollaremos un modelo con la mayor exactitud posible con al menos un umbral de exactitud del 75%. Usaremos el dataset para comprobar la exactitud.

El objetivo es obtener un modelo capaz de predecir el tipo de plan Ultra o Smart que necesitan los usuarios.

• Introducción
• Iniciación de datos
  • Examina datos
  • Descripción de datos
• Machine Learning
  • Segmentación de datos
  • Entrenamiento
    • Algoritmo DecisionTreeClassifier
    • Algoritmo RandomForestClassifier
    • Algoritmo LogisticRegression
  • Calidad del modelo
  • Prueba de cordura
• Conclusión general

• pandas, numpy,
• sklearn.model_selection import train_test_split,
• sklearn.tree import DecisionTreeClassifier,
• sklearn.ensemble import RandomForestClassifier,
• sklearn.linear_model import LogisticRegression,
• sklearn.metrics import accuracy_score,