Upload 3 files

app.py

@@ -0,0 +1,100 @@
+import gradio as gr
+import joblib
+import pandas as pd
+
+# --- CARGAR MODELO ---
+try:
+    modelo = joblib.load("modelo_churn.joblib")
+    print("✅ Modelo cargado correctamente.")
+except:
+    modelo = None
+    print("❌ Error: No se encontró 'modelo_churn.joblib'. Ejecuta entrenar.py primero.")
+
+# --- 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."
+
+    # 1. Transformar Inputs visuales a los CÓDIGOS que entiende el modelo
+    # (Esta lógica debe ser IDÉNTICA a entrenar.py)
+    
+    # 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
+
+    # 2. 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)
+
+    # 3. Predicción
+    # predict_proba devuelve [[prob_no, prob_si]]
+    proba = modelo.predict_proba(datos)[0]
+    prob_fuga = proba[1] # Probabilidad de que se vaya (Clase 1)
+
+    # 4. 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
+
+# --- DISEÑO VISUAL (DASHBOARD) ---
+with gr.Blocks(theme=gr.themes.Soft()) 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")
+            in_antiguedad = gr.Slider(0, 72, value=1, label="Meses con la empresa")
+            gr.Markdown("---")
+            btn = gr.Button("🚀 ANALIZAR RIESGO", variant="primary", size="lg")
+
+    # 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()

modelo_churn.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:352fbd7fc45df8be79357666ce3807c59f01c90e5a9ba11e2f6b1f8609701e7e
+size 10681

requirements.txt

@@ -0,0 +1,4 @@
+scikit-learn
+pandas
+joblib
+gradio