{
  "fetched_at": "2026-10-19T19:13:46Z",
  "source_url": "https://www.kaggle.com/competitions/fuga-de-clientes/data",
  "pages": [
    {
      "name": "rules",
      "content": "<p>IMPORTANTE: Para participar es necesario que lea y acepte los términos y condiciones completos en la web del concurso (bbvacontinental.com/data-challenge). El registro en el formulario de inscripción es obligatorio para ser considerado entre los finalistas.</p>\n\n<h2>Cronograma de la competencia en la plataforma</h2>\n<p> Fecha de inicio: 01/12/2017 </p>\n<p> Fecha de fin: 15/01/2018 11:59 PM (Hora Lima-Perú)</p>\n\n<h2>Inscripción de los participantes</h2>\n<p>Para la participación en este concurso, es necesaria la inscripción de los participantes de manera personal e intransferible a través del formulario de la página web del concurso. </p>\n\n<h2>Consideraciones importantes</h2>\n<p>IMPORTANTE: Para participar es necesario que lea y acepte los términos y condiciones completos en la web del concurso.</p>\n<p>No está permitido que una misma persona se registre en la Plataforma con distintos usuarios. El participante del concurso sólo podrá inscribirse con un usuario de la Plataforma. La participación es estrictamente personal y no está permitida la creación de equipos entre participantes.</p>\n<p>Puede enviar un máximo de 5 soluciones por día en la Plataforma del concurso. Puede seleccionar hasta 3 de todas sus soluciones para la clasificación final en la Plataforma.</p>\n<p>Un empate en la plataforma entre dos o más entradas válidas e idénticamente posicionadas será resuelto en favor a la alternativa de solución que haya sido subida a la plataforma primero. </p>\n<p>El participante declara que las soluciones brindadas en el marco del concurso, son de su creación y, por lo tanto, no vulnera derecho de propiedad alguno.</p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "data-description",
      "content": "<h2>Descripción de los archivos:</h2>\n<ul>\n<li><strong>train_clientes.xlsx </strong> - dataset de entrenamiento para base de clientes.</li>\n<li><strong>train_requerimientos.xlsx </strong> - dataset de entrenamiento para base de requerimientos.</li>\n<li><strong>test_clientes.xlsx </strong> - dataset de prueba para base de clientes.</li>\n<li><strong>test_requerimientos.xlsx </strong> - dataset de prueba para base de requerimientos.</li>\n<li><strong>descripcion_var.xlsx </strong> - descripción de variables.</li>\n</ul>\n<p>Las bases de clientes (“train_clientes”, “test_clientes”) cuentan con ID_CORRELATIVO único, pero un ID_CORRELATIVO puede tener más de un registro por mes en las bases de requerimientos (“train_requerimientos”, “test_requerimientos”).</p>\n<h2>Descripción de las variables:</h2>\n<p>Revisar el archivo “descripcion_var”. </p>\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "<p>Se desea saber que tan probable es que los clientes de una entidad financiera dejen de usar sus productos o servicios (attrition). Para esto se tiene un Dataset con información relacionada al comportamiento de los clientes teniendo en cuenta un mes de referencia y un indicador de attrition.</p>\n<p>El campo attrition se categoriza en:</p>\n<p>Attrition (1)</p>\n<p>No es attrition (0)</p>\n<p>Para generar tus soluciones tendrás que poner en práctica tus conocimientos en desarrollo de modelos predictivos. Las soluciones para la base “test_clientes.csv” deberán ser subidas a esta Plataforma. Esta determinará tu posición en el ranking. Los 5 primeros puestos pasarán a una segunda fase, a realizarse el 22 de enero, en dónde tendrán que presentar sus modelos frente a un jurado.</p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "<p>La métrica de evaluación es <strong>Log Loss.</strong></p>\n<p>\\[logloss = -\\frac{1}{N} \\sum_{i=1}^N (y_i\\log(p_i) +(1-y_i)\\log(1-p_i))\\]</p>\n<p>\\(N\\)  is the number of observations, \n\\(log\\) is the natural logarithm, \n\\(y_i\\) is the binary, \n\\(p_i\\) is the predicted probability that \\(y_i\\) equals 1. </p>\n<p>Note: the actual submitted predicted probabilities are replaced with \\(max(min(p,1−10^{-15}),10^{−15})\\). </p>\n<p>Un <strong>Log Loss</strong> más pequeño es mejor.</p>\n<h2>Formato de envío</h2>\n<p>Debes predecir la probabilidad de caer en attrition (un número entre 0 y 1) para cada ID_CORRELATIVO en la base “test_clientes.csv”. El archivo de envío de la solución (.csv separado por comas) debe contener un encabezado y tener el siguiente formato:</p>\n<pre>ID_CORRELATIVO,ATTRITION<br />1,0.894<br /><span style=\"font-size: 14px; line-height: 1.4em;\">8,0.253<br />9,0.564<br /></span><span style=\"font-size: 14px; line-height: 1.4em;\">10,0.995<br /></span><span style=\"font-size: 14px; line-height: 1.4em;\">etc.</span></pre> \n<h2>Sugerencias para el envío de soluciones</h2>\n<p>Guarda tu archivo de envío en formato .csv</p>\n<p>Asegúrate que los campos tengan el nombre exacto</p>\n<p>Asegúrate que los datos estén separados por comas</p>\n<p>Asegúrate que el separador decimal sea punto</p>\n<p>Asegúrate que ningún registro tenga valores nulos</p>\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}