\n- AprendizajeCredito.csv - El conjunto de datos de entrenamiento
\n- TestCredito.csv - El conjunto de datos de prueba
\n- Ejemplo_envio.csv - Un ejemplo del formato del archivo a enviar. El id de cada clasificación debe coincidir con el id del archivo: nuevos_individuos_credito.csv
\n- nuevos_individuos_credito.csv - Los nuevas instancias a clasificar
\n- caso_2.pdf - Explica los atributos
\n- Importante, estudiar y analizar los siguientes videos :
\n\n- Knn, Iris, Arboles, Matriz de Confusión, Métodos de Consenso
\n- -Validación Cruzada y Curva Roc
\n- -Consenso y Potenciación. Random Forest
\n\n[https://www.youtube.com/watch?v=hrocuysRNmY&t=15s][1]\n\n\n[https://www.youtube.com/watch?v=virqn2Tet-E&t=1611s][2]\n\n\n [https://www.youtube.com/watch?v=virqn2Tet-E&t=1571s][3]\n\n\n [https://www.youtube.com/watch?v=faWfYmfpdMQ][3]\n\n\n [1]: https://www.youtube.com/watch?v=hrocuysRNmY&t=15s\n [2]: https://www.youtube.com/watch?v=virqn2Tet-E&t=1611s\n [3]: https://www.youtube.com/watch?v=faWfYmfpdMQ",
"isPublished": false,
"hasIsPublished": false,
"postTitle": "",
"hasPostTitle": false,
"mimeType": "",
"hasMimeType": false
},
{
"name": "Description",
"content": "Descripción del Caso
\n\n- Consiste en clasificar a una persona como: buen pagador o mal pagador. En base a esta clasificación el banco puede otorgar o no un crédito. La variable que queremos predecir es “BuenPagador”. \nEn este ejercicio se entrega un conjunto de datos sobre créditos pagados y no pagados.
\n\n1.1_ Realizar el pre-procesamiento sobre el archivo.\n\n1.2_Archivos (se decriben en kaggle/Data)\n\nConjunto de Datos:\nAprendizajeCredito.csv\nTestCredito.csv\nnuevos_individuos_credito.csv\n\n1.3_ Determinar cuál de los siguientes modelos funciona mejor para estos datos: Árbol de Decisión, Naive Bayes, KNN, Random Forest\n\n1.4_ Incluir una explicación del procedimiento seguido, el método escogido y una justificación de por qué se eligió.\n\n1.5_ Mostrar el cálculo para uno de los métodos de: Instancias clasificadas correctamente, Instancias clasificadas incorrectamente, estadístico kappa, TP Rate, FP Rate, Precisión, matriz de confusión. Utilizar estos estadísticos para comparar los modelos.\n\n\n- 2.1_ Clases desbalanceadas:
\n\n¿Están las clases desbalanceadas?. ¿Está muy desequilibrado el porcentaje de aciertos de cada una de las clases?\n\nIntentar balancear los porcentajes de aciertos de las clases. ¿En algún caso mejorar en una clase implica empeorar en alguna otra?\n\nUna vez balanceados los porcentajes de aciertos por clase, ¿se consigue mantener el porcentaje de aciertos global del apartado 1.5, o se empeora?\n\n3_ Tener en cuenta para Pre-procesamiento y Experimentos\n\n3.1_ Preprocesamiento del Conjunto de Datos\n\n Cuando sea necesario: Aplicar Filtros, eliminar atributos, agregar atributos, discretización, filtros de instancias, Visualización, Filtrado “gráfico” de los datos\n\n3.2_ Experimentos\n\nRealizar un número razonable de experimentos para familiarizarse con las técnicas de minería de datos. \n\nUtilizar diferentes métodos de evaluación como por ejemplo: supplied test set, percentage split, cross-validation.\n\nRealizar un análisis de los resultados del experimento utilizando los estadísticos e indicadores que sean necesarios como por ejemplo: Matriz de confusión, estadístico Kappa\n\nComparar los resultados obtenidos utilizando distintas técnicas. \n\n4_ Informe\n\nElaborar una (jupyter notbooks) donde se presente en forma sintética los resultados obtenidos. \n\nDebe tener las siguientes secciones: \n\n4.1_ Portada: Nombre de la materia: Sistemas de Gestión, Proyecto: Minería de Datos, Año de cursado:2018\n\n4.2_ Integrantes del grupo\n\n4.3_ Seguir los pasos de las notbooks vistas\n\n\n5_ Subir las predicciones a la competencia de kaggle\n\nSubir las predicciones hechas a la plataforma kaggle. Utilizar una cuenta por grupo. La competencia es: \n\nPara poder participar (uno por grupo): \n\n\n6_ Calificación del Mini Caso: \n\nSe considera el proceso realizado en la notbook + porcentaje de instancias clasificadas correctamente de la plataforma kaggle.",
"isPublished": false,
"hasIsPublished": false,
"postTitle": "",
"hasPostTitle": false,
"mimeType": "",
"hasMimeType": false
},
{
"name": "Evaluation",
"content": "The evaluation pages describes how submissions will be scored and how students should format their submissions. You don't need a sub-title at the top (the page title appears above). For an example of a high quality evaluation page, see the 2013 KDD Cup page, which we have copied here:
\r\n
\r\nThe evaluation metric for this competition is Mean F1-Score. The F1 score, commonly used in information retrieval, measures accuracy using the statistics precision p and recall r. Precision is the ratio of true positives (tp) to all predicted positives (tp + fp). Recall is the ratio of true positives to all actual positives (tp + fn). The F1 score is given by:
\r\n\\[ F1 = 2\\frac{p \\cdot r}{p+r}\\ \\ \\mathrm{where}\\ \\ p = \\frac{tp}{tp+fp},\\ \\ r = \\frac{tp}{tp+fn} \\]
\r\nThe F1 metric weights recall and precision equally, and a good retrieval algorithm will maximize both precision and recall simultaneously. Thus, moderately good performance on both will be favored over extremely good performance on one and poor performance on the other.
\r\nSubmission Format
\r\nFor every author in the dataset, submission files should contain two columns: AuthorId and DuplicateAuthorIds. DuplicateAuthorIds should be a space-delimited list. Every AuthorId counts as his/her own duplicate, and every duplicate should be listed under each of its respective ids. For example, if you suspect author A, B, and C are the same, you should list (A,A B C), (B,B A C), (C,C A B).
\r\nThe file should contain a header and have the following format:
\r\n