{
  "fetched_at": "2026-10-19T21:57:20Z",
  "source_url": "https://www.kaggle.com/competitions/embajadores-machinelearning/data",
  "pages": [
    {
      "name": "rules",
      "content": "DESCRIPCIÓN DEL PROBLEMA\n\nLos modelos analíticos para la adquisición de tarjetas de crédito se están usando por muchas instituciones como los bancos y están dando resultados exitosos en todo el mundo. Los modelos analíticos se pueden definir como un conjunto de métodos y técnicas cuantitativas que en éste caso es usada para predecir la probabilidad de que un cliente adquiera una tarjeta de crédito y en consecuencia genere un rédito para la institución.\n\nRETO :\n\nTeniendo en cuenta su rol y los datos que se le han facilitado, debe realizar un modelo predictivo donde responda a las siguientes cuestiones:\n\n*Identifique los clientes que tienen una alta probabilidad de adquisición de una tarjeta de crédito.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "data-description",
      "content": "<p>Se tiene un conjunto de datos basado en la información recogida por un banco mundial llamado “RICARDO PALMA BANK”, cuyo objetivo es desarrollar un modelo predictivo para determinar la probabilidad de adquirir una tarjeta de crédito en el próximo mes. La variable de destino es la adquisición de tarjeta de crédito que representa el estado binario de No Tenencia 0 y Tenencia 1.</p>\n<h2>File descriptions</h2>\n<ul>\n<li><strong>AdquisicionTC_Train.csv</strong> - La data de entrenamiento</li>\n<li><strong>AdquisicionTC_Test.csv</strong> - La data de test</li>\n<li><strong>sampleSubmission.csv</strong> - Un ejemplo de la data de puntuar o scorear</li>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "DESCRIPCIÓN DEL PROBLEMA\n\nLos modelos analíticos para el manejo de los seguros de accidentes se están usando por muchas instituciones y están dando resultados exitosos en todo el mundo. Los modelos analíticos de se pueden definir como un conjunto de métodos y técnicas cuantitativas usados para predecir la probabilidad de que un cliente falle (Sea siniestroso) y en consecuencia no se recupere el rédito otorgado por alguna institución.\n\nRETO\n\nIdentifique los clientes que tienen una alta probabilidad de adquirir una tarjeta de crédito.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "En Modelos Predictivos, una curva ROC (acrónimo de Receiver Operating Characteristic, o Característica Operativa del Receptor) es una representación gráfica de la sensibilidad frente a la especificidad para un sistema clasificador binario según se varía el umbral de discriminación. Otra interpretación de este gráfico es la representación de la razón o ratio de verdaderos positivos (VPR = Razón de Verdaderos Positivos) frente a la razón o ratio de falsos positivos (FPR = Razón de Falsos Positivos) también según se varía el umbral de discriminación (valor a partir del cual decidimos que un caso es un positivo).\n\nLa elección del mejor clasificador se puede realizar mediante la comparación del área bajo la curva (AUC) de ambas pruebas. Esta área posee un valor comprendido entre 0,5 y 1, donde 1 representa un valor diagnóstico perfecto y 0,5 es una prueba sin capacidad discriminatoria diagnóstica. Es decir, si AUC para una prueba diagnóstica es 0,8 significa que existe un 80% de probabilidad de que el diagnóstico realizado a un enfermo sea más correcto que el de una persona sana escogida al azar. Por esto, siempre se elige la prueba diagnóstica que presente un mayor área bajo la curva.\n\nA modo de guía para interpretar las curvas ROC se han establecido los siguientes intervalos para los valores de AUC:\n\n[0.5]: Es como lanzar una moneda.\n\n[0.5, 0.6): Test malo.\n\n[0.6, 0.75): Test regular.\n\n[0.75, 0.9): Test bueno.\n\n[0.9, 0.97): Test muy bueno.\n\n[0.97, 1): Test excelente.\n\nSe espera para la calificación un archivo en formato csv con las columnas",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}