Upload 3 files

app.py

@@ -0,0 +1,91 @@
+import gradio as gr
+import joblib
+import pandas as pd
+
+# --- CARGAR MODELO ---
+try:
+    modelo = joblib.load("modelo_churn.joblib")
+except:
+    modelo = None
+
+# --- LÓGICA DE PREDICCIÓN ---
+def predecir(antiguedad, pago, contrato, internet, seguridad, soporte, factura):
+    if modelo is None:
+        return {"Error": 0}, "⚠ Error: Falta el archivo modelo_churn.joblib"
+
+    # 1. Traducir Inputs visuales a Números (Igual que en el entrenamiento)
+    # Contrato
+    if contrato == "Mes a Mes": c_code = 0
+    elif contrato == "Un año": c_code = 1
+    else: c_code = 2
+    
+    # Internet
+    if internet == "DSL": i_code = 0
+    elif internet == "Fibra Óptica": i_code = 1
+    else: i_code = 2
+    
+    # Checkboxes (True/False -> 1/0)
+    sec_code = 1 if seguridad else 0
+    sop_code = 1 if soporte else 0
+    pap_code = 1 if factura else 0
+
+    # 2. Crear DataFrame
+    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
+    proba = modelo.predict_proba(datos)[0]
+    riesgo_fuga = proba[1] # Probabilidad de 1 (Yes)
+
+    # 4. Mensaje de Negocio Inteligente
+    mensaje = ""
+    if riesgo_fuga < 0.30:
+        mensaje = "✅ CLIENTE LEAL: Bajo riesgo. Ideal para ofrecerle productos premium."
+    elif riesgo_fuga < 0.60:
+        mensaje = "⚠ RIESGO MODERADO: Cliente en duda. Se sugiere ofrecer descuentos en su plan actual."
+    else:
+        mensaje = "🚨 ALERTA CRÍTICA: Alto riesgo de abandono. Contactar inmediatamente para retención."
+
+    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("# 📊 Dashboard de Retención de Clientes (Telco)")
+    gr.Markdown("Análisis de riesgo de abandono basado en IA.")
+    
+    with gr.Row():
+        # Columna Izquierda (Datos Facturación)
+        with gr.Column():
+            gr.Markdown("### 💳 Facturación y Contrato")
+            in_contrato = gr.Dropdown(["Mes a Mes", "Un año", "Dos años"], label="Contrato", value="Mes a Mes")
+            in_pago = gr.Slider(18, 120, value=70, label="Pago Mensual ($)")
+            in_factura = gr.Checkbox(label="Factura Digital (Paperless)", value=True)
+
+        # Columna Central (Datos Técnicos)
+        with gr.Column():
+            gr.Markdown("### 📡 Servicios")
+            in_internet = gr.Dropdown(["DSL", "Fibra Óptica", "Ninguno"], label="Internet", value="Fibra Óptica")
+            in_seguridad = gr.Checkbox(label="Seguridad Online", value=False)
+            in_soporte = gr.Checkbox(label="Soporte Técnico", value=False)
+
+        # Columna Derecha (Perfil y Botón)
+        with gr.Column():
+            gr.Markdown("### 👤 Cliente")
+            in_antiguedad = gr.Slider(0, 72, value=5, label="Antigüedad (Meses)")
+            btn = gr.Button("🔍 Analizar Riesgo", variant="primary", size="lg")
+
+    gr.Markdown("---")
+    
+    # Resultados
+    with gr.Row():
+        out_grafica = gr.Label(num_top_classes=2, label="Probabilidad")
+        out_texto = gr.Textbox(label="Estrategia Sugerida", lines=2)
+
+    # Acción
+    btn.click(fn=predecir, 
+              inputs=[in_antiguedad, in_pago, in_contrato, in_internet, in_seguridad, in_soporte, in_factura], 
+              outputs=[out_grafica, out_texto])
+
+interfaz.launch()

modelo_churn.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:d644019a924fa4695f9356a01ced34709834aade119a177e6c8b555c7c023496
+size 10681

requirements.txt

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