En mi caso utilicé algunas modificaciones:
- Eliminé la columna de "Exited", pues esta le daba una falsa veracidad a nuestro modelo, pasando de una precisión incorrecta del 99.95%, a una de un 50-51%
- Utilicé Standard Scaler para poder manejar mejor los datos categóricos
- Implementé una pipeline simple al modelo:
model = LogisticRegression()pipeline = make_pipeline(StandardScaler(), # Numeric transformermodel # Model)pipeline.fit(X_train, y_train) - Utilicé un Accuracy Score y un Classification Report para evaluar el modelo de forma más organizada
- Aunque se sobre-entienda, también agregué nuevos módulos para poder llevar a cabo estos cambios
Esta es solo una de las modificaciones que estoy realizando, una vez lo complete, enviaré un pull request . Muchas gracias por un curso práctico como este, y por que el docente es muy bueno enseñando y guiándo a los estudiantes
