Validación de Modelo de Fugas (Churn) en Telecomunicaciones

Contexto empresarial

Una empresa de telecomunicaciones quiere predecir qué clientes están en riesgo de cancelar sus contratos. El equipo de Data Science ha seleccionado un modelo de Gradient Boosting, pero necesita asegurar que el modelo sea generalizable y no esté sobreajustado (overfitting) antes de desplegarlo en producción. Se requiere una validación cruzada estándar de 5 pliegues para obtener métricas de error fiables.

Preparación de datos

Simulación de una cartera de 1,000 clientes con variables de uso (minutos, datos), tipo de contrato y la variable objetivo 'CHURN' (0=No, 1=Sí).

¡Copiado!

1
2	DATA casuser.telco_churn;
3	call streaminit(123);
4	DO i=1 to 1000;
5	minutes = rand('Normal', 300, 50);
6	data_usage = rand('Uniform', 1, 10);
7	IF rand('Uniform') < 0.3 THEN contract = 'Month';
8	ELSE contract = 'Year';
9	IF rand('Uniform') < 0.15 + (minutes<200)*0.2 THEN churn = 1;
10	ELSE churn = 0;
11	OUTPUT;
12	END;
13
14	RUN;
15

Étapes de réalisation

Carga de datos y verificación preliminar

¡Copiado!

1
2	PROC CAS;
3
4	TABLE.tableInfo / TABLE='telco_churn';
5
6	RUN;
7

Ejecución de Cross-Validation con Gradient Boosting (5 folds)

¡Copiado!

1	PROC CAS;
2	mlTools.crossValidate /
3	modelType='GRADBOOST',
4	kFolds=5,
5	seed=999,
6	trainOptions={
7	TABLE={name='telco_churn'},
8	target='churn',
9	inputs={'minutes', 'data_usage', 'contract'},
10	nominals={'contract', 'churn'}
11	};
12	RUN; QUIT;

Resultado esperado

La acción debe ejecutarse sin errores, dividiendo los datos en 5 particiones. Se espera recibir una tabla de resumen con el error medio de clasificación (Misclassification Error) para cada uno de los 5 pliegues, demostrando la estabilidad del modelo Gradient Boosting.

Voir la documentation technique de crossValidate