Clasificación de clientes potenciales de un operador telefónico contactados por un call center utilizando regresión logística y adaboosting

Abstract

El presente trabajo monográfico busca demostrar que, para los datos empleados en la realización de la investigación, el algoritmo adaboosting presenta mejores resultados en la clasificación de clientes potenciales de un call center a diferencia de la regresión logística. Sin embargo, no se busca determinar que un algoritmo sea mejor que el otro, sino comprobar que, dada las características de las variables independientes, un algoritmo puede presentar mejores resultados y viceversa. Se utiliza una solución analítica avanzada que parte desde el análisis descriptivo de las variables, selección de variables, imputación de los datos y modelamiento predictivo, validación de los resultados en el tiempo; hasta la puesta en marcha a partir de los grupos de ejecución que permiten el despliegue y acción sobre los resultados obtenidos dado el trabajo desarrollado, exactitud del adaboosting 86% y exactitud de la regresión logística 78%.

This monographic work aims to demostrate that, data used for this research gave positive results when applying adaboosting algorithm instead of logistic regression but it doesn’t mean that one of this techniques is better than the other for classification of potential customers of a call center. On the other hand, the objective is verify that, given the characteristics of the independent variables, an algorithm can present better results and viceversa. An advanced analytical solution is used and followed by the next steps: descriptive analysis of variables, feature selection, data imputation, predictive modelling and validation of the results over time. Until the start-up is deployed, we have to make the execution groups that allow the deployment and actions in order to have the results expected, adaboosting accuracy 86% and logist regression accuracy 78%.