EconomíaFinanciera Colab

Tema 30

Parcial 2 · Clasificación

Cerró el dom 01/11 · 11:59 pm
Instrucciones previas
# Parcial 2: Clasificación
# Si no tiene instalada la librería, ejecute:
!pip install -U calificar
import calificar as cr
import numpy as np
import pandas as pd
from sklearn.datasets import fetch_openml
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.preprocessing import StandardScaler
from sklearn.tree import DecisionTreeClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.neighbors import KNeighborsClassifier
from sklearn.inspection import permutation_importance
from sklearn.metrics import recall_score

# Reemplace 'ID' por su código estudiantil (si son dos: '20261026;20261027') y G por su número de tema.
taller = cr.taller('ID', G, 'P2BD2026ii', 10)

1. Preparación de Datos y Feature Engineering:
a) Cargue el dataset 'credit-g' usando fetch_openml(name='credit-g', version=1, as_frame=True).
b) Cree la variable objetivo target mapeando 'good' a 1 y 'bad' a 0 de la columna 'class'.
c) Calcule una nueva variable llamada Cuota_Estimada como: (credit_amount / duration) + (age * 10).
d) Defina sus variables independientes como: X = df[['duration', 'credit_amount', 'age', 'Cuota_Estimada']].
[0] ¿Cuál es la desviación estándar de la nueva columna 'Cuota_Estimada'?

2. Partición de Datos:
a) Use train_test_split con un test_size=0.2.
b) Es OBLIGATORIO usar la semilla aleatoria random_state=52972.
[1] ¿Cuántos registros quedaron en el conjunto de entrenamiento (X_train)?

3. Estandarización:
a) Cree un objeto StandardScaler().
b) Ajuste el escalador SOLO con los datos de entrenamiento (fit_transform) y transforme los de prueba (transform).
[2] ¿Cuál es el valor máximo obtenido en la columna 'duration' después de estandarizar X_train?

4. Árbol de Decisión (Optimización):
a) Use GridSearchCV con el modelo DecisionTreeClassifier(random_state=52972).
b) Pruebe los parámetros max_depth: [3, 5, 10] y criterion: ['gini', 'entropy'].
c) Configure scoring='recall' y cv=3.
[3] ¿Cuál fue el mejor 'max_depth' encontrado por la búsqueda?

5. Naive Bayes y Probabilidades:
a) Entrene un modelo GaussianNB() con los datos escalados de entrenamiento.
b) Para el primer registro de su conjunto de prueba (X_test_scaled[0]), calcule la probabilidad de ser 'buen crédito' (clase 1).
[4] ¿Cuál es esa probabilidad? (Exprese con 4 decimales)

6. Importancia de Variables (Bayes):
a) Calcule la importancia de variables para Naive Bayes usando la diferencia absoluta de las medias: np.abs(modelo.theta_[1] - modelo.theta_[0]).
b) Identifique el valor resultante para la variable 'age' (posición [2]).
[5] ¿Cuál es el valor de importancia para 'age'?

7. k-NN y Permutación:
a) Entrene un KNeighborsClassifier(n_neighbors=5) con los datos escalados.
b) Calcule la importancia por permutación usando permutation_importance con random_state=52972 sobre el conjunto de prueba.
[6] ¿Cuál es el valor de 'importances_mean' para la variable 'credit_amount'?

8. Selección del Mejor Modelo (Recall):
a) Calcule el recall_score en el conjunto de prueba para los 3 modelos entrenados (Árbol optimizado, Bayes y k-NN).
[7] ¿Cuál es el Recall más alto obtenido entre los tres modelos?

9. Predicción de Nuevos Casos:
a) Use el mejor modelo (el del punto anterior) para predecir el siguiente caso: [[24, 2500, 35, 200]] (Recuerde escalarlos primero).
[8] ¿Cuál es la probabilidad de que este cliente sea Clase 1?

10. Análisis de Impacto Relativo:
a) Tome los datos para predecir [[24, 2500, 35, 200]].
b) Calcule la importancia relativa: abs(datos) / abs(datos).sum().
c) Determine el impacto del factor principal: porcentaje = importancia_relativa.max() * 100.
[9] ¿Qué porcentaje (%) de impacto tiene el factor más influyente en este registro?