English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

El objetivo de esta investigacion tiene como proposito comparar un modelo de prediccion de fuga de clientes en una empresa de telefonia movil. El modelo propuesto fue el algoritmo Adaboost, el cual se desarrolla a traves de aprendizaje adaptativo. Para probar su eficiencia se comparo con la regresion logistica desde la perspectiva de la mineria de datos. Como la variable objetivo de respuesta era desbalanceada se utilizo procedimientos de muestreo para equilibrar los datos (sub-muestreo, sobre-muestreo y SMOTE). Las medidas de desempeno para elegir el modelo fueron la precision, el recall (sensibilidad), el F-mesausre y el AUC (curvas ROC). La precision, el recall y el F-mesuare arrojaron rendimientos superiores a favor del algoritmo Adaboost, tambien la medida principal de desempeno dio un AUC=0,93 para el Adaboost, frente a un AUC=0,86 para la regresion logistica. Realizadas todas las comparaciones, la validacion y las medidas de desempeno, en conclusion, el modelo optimo para la prediccion de fuga de clientes en la empresa de telefonia movil es el algoritmo Adaboost. Finalmente, con este algoritmo se detecto que las variables mas importantes para entender el patron de fuga de los clientes fueron el tipo de reclamo, rol del cliente, comunidad (relacion del cliente con otros contactos), tipo de cliente, numero de reclamos, numero de llamadas, nota del cliente y MOU.

Uso del algoritmo Adaboost y la regresión logística para la predicción de fuga de clientes en una empresa de telefonía móvil