File size: 4,307 Bytes
83efa85 a8e91ba 83efa85 7b7f785 83efa85 7b7f785 83efa85 6899c12 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 |
import gradio as gr
import joblib
import pandas as pd
# --- 1. CARGAR MODELO ---
try:
modelo = joblib.load("modelo_churn.joblib")
print("✅ Modelo cargado correctamente.")
except:
modelo = None
print("❌ Error: No se encontró 'modelo_churn.joblib'. Asegúrate de ejecutar entrenar.py primero.")
# --- 2. LÓGICA DE PREDICCIÓN ---
def predecir(antiguedad, pago, contrato, internet, seguridad, soporte, factura):
if modelo is None:
return {"Error": 0}, "⚠ ALERTA: El sistema no encuentra el archivo del modelo."
# A. Transformar Inputs visuales a los CÓDIGOS que entiende el modelo
# Contrato
if contrato == "Mes a Mes": c_code = 0
elif contrato == "Un año": c_code = 1
else: c_code = 2 # Dos años
# Internet
if internet == "DSL": i_code = 0
elif internet == "Fibra Óptica": i_code = 1
else: i_code = 2 # Ninguno
# Checkboxes (True -> 1, False -> 0)
sec_code = 1 if seguridad else 0
sop_code = 1 if soporte else 0
pap_code = 1 if factura else 0
# B. Crear DataFrame con las columnas en el MISMO ORDEN que el entrenamiento
columnas = ['tenure', 'MonthlyCharges', 'Contract_Code', 'Internet_Code',
'OnlineSecurity_Code', 'TechSupport_Code', 'Paperless_Code']
datos = pd.DataFrame([[antiguedad, pago, c_code, i_code, sec_code, sop_code, pap_code]], columns=columnas)
# C. Predicción
# predict_proba devuelve la probabilidad de [No irse, Sí irse]
proba = modelo.predict_proba(datos)[0]
prob_fuga = proba[1] # Probabilidad de que se vaya (Clase 1)
# D. Lógica de Negocio (Recomendaciones)
mensaje = ""
if prob_fuga < 0.30:
mensaje = (f"🟢 CLIENTE SEGURO (Riesgo: {int(prob_fuga*100)}%)\n"
"Este cliente está contento. Intenta venderle servicios adicionales (Upselling).")
elif prob_fuga < 0.60:
mensaje = (f"🟡 RIESGO MEDIO (Riesgo: {int(prob_fuga*100)}%)\n"
"El cliente duda. Ofrece un descuento del 10% si renueva por un año.")
else:
mensaje = (f"🔴 ALERTA DE FUGA (Riesgo: {int(prob_fuga*100)}%)\n"
"¡Acción Inmediata! Llama al cliente y ofrece una promoción agresiva para retenerlo.")
return {"Se queda 🏠": float(proba[0]), "Se va 🏃": float(proba[1])}, mensaje
# --- 3. DISEÑO VISUAL (DASHBOARD) ---
with gr.Blocks() as interfaz:
gr.Markdown("# 🔮 Predicción de Fuga de Clientes (Telco AI)")
gr.Markdown("Herramienta de Inteligencia Artificial para retención de clientes.")
with gr.Row():
# Columna 1: Datos Financieros
with gr.Column():
gr.Markdown("### 💰 Perfil Financiero")
in_contrato = gr.Dropdown(["Mes a Mes", "Un año", "Dos años"], label="Tipo de Contrato", value="Mes a Mes")
in_pago = gr.Slider(18, 120, value=70, label="Pago Mensual ($)")
in_factura = gr.Checkbox(label="Recibe Factura Digital", value=True)
# Columna 2: Datos Técnicos
with gr.Column():
gr.Markdown("### ⚙️ Servicios Contratados")
in_internet = gr.Dropdown(["DSL", "Fibra Óptica", "Ninguno"], label="Tipo de Internet", value="Fibra Óptica")
in_seguridad = gr.Checkbox(label="Tiene Seguridad Online", value=False)
in_soporte = gr.Checkbox(label="Tiene Soporte Técnico", value=False)
# Columna 3: Fidelidad y Acción
with gr.Column():
gr.Markdown("### ⏳ Historia del Cliente")
# --- CAMBIO AQUÍ: Agregué 'step=1' para que sean solo enteros ---
in_antiguedad = gr.Slider(0, 72, value=1, step=1, label="Meses con la empresa")
gr.Markdown("---")
btn = gr.Button("🚀 ANALIZAR RIESGO", variant="primary")
# Sección de Resultados
gr.Markdown("### 📊 Resultados del Análisis")
with gr.Row():
out_grafica = gr.Label(label="Probabilidades")
out_texto = gr.Textbox(label="Recomendación Estratégica", lines=3)
# Conectar botón con función
btn.click(fn=predecir,
inputs=[in_antiguedad, in_pago, in_contrato, in_internet, in_seguridad, in_soporte, in_factura],
outputs=[out_grafica, out_texto])
# Lanzar App
interfaz.launch(share=True) |