Este repositorio contiene un notebook de Google Colab que realiza un análisis exploratorio y procesamiento de datos sobre un conjunto de pólizas de seguro, con el objetivo de preparar la información para futuros modelos de machine learning orientados a la predicción de renovación.
Andres Evans
GitHub: @aevans32
LinkedIn: andresevans
- Descargar el archivo
InsuranceCompany.csvdesde Blackboard. - Abrir el notebook en Google Colab.
- Subir el archivo CSV al entorno de Colab.
- Ejecutar todas las celdas desde el menú
Entorno de ejecución > Ejecutar todo.
El archivo de datos utilizado se llama InsuranceCompany.csv y contiene información sobre clientes, primas, edad, ingresos, historial de pagos y si renovaron su póliza (renewal).
📥 Este archivo está disponible exclusivamente para los alumnos de la Universidad del Pacífico a través de los espacios virtuales de Blackboard, en el curso:
Machine Learning para la Toma de Decisiones
Para ejecutar el notebook correctamente, los estudiantes deben descargar el archivo desde Blackboard y colocarlo en el mismo directorio que el notebook.
El notebook incluye:
- Carga y validación del dataset
- Análisis exploratorio de variables numéricas y categóricas
- Codificación de variables categóricas mediante One Hot Encoding
- Escalado de variables numéricas con
StandardScaler - Visualización de correlación con mapas de calor (
sns.heatmap) - Preparación final de datos para modelado
- Python (Google Colab)
- Pandas
- Seaborn
- Matplotlib
- Scikit-learn
Este notebook fue escrito específicamente para apoyar el aprendizaje de los alumnos del curso de Machine Learning para la Toma de Decisiones de la Universidad del Pacífico.
Sirve como una guía práctica para aplicar conceptos fundamentales de preparación de datos, codificación, normalización y visualización antes de entrenar un modelo de clasificación.