Clasificación - regresión logística | SVC y árbol de decisión

Este curso cierra la ruta de modelado con clasificación supervisada. El alumno aprende a resolver problemas en los que la variable objetivo es categórica y a comparar varios algoritmos para elegir el más adecuado según el caso.

Más que memorizar modelos, se busca que el participante entienda cómo se evalúan, qué métricas importan y cómo explicar la decisión final con criterio técnico y de negocio.

Al finalizar el curso, el participante será capaz de:

• Formular problemas de clasificación a partir de un contexto de negocio o datos
• Entrenar modelos de regresión logística, SVC y árbol de decisión
• Comparar modelos con métricas como precisión, recall, F1 y matriz de confusión
• Interpretar umbrales de decisión y comportamiento general de cada algoritmo
• Seleccionar el modelo más adecuado según el equilibrio entre explicabilidad y rendimiento

1. Introducción a clasificación - objetivos, variables objetivo y flujo de trabajo
2. Modelos de clasificación - regresión logística, SVC y árbol de decisión
3. Evaluación y comparación - matriz de confusión, precision/recall, F1 y selección del modelo

• Python 3 instalado
• Entorno de notebooks o editor con ejecución de scripts
• Bibliotecas pandas, numpy y scikit-learn disponibles

→ DM02 - Regresión lineal (predicción y relación entre variables)