Interfaz gráfica para el minado de datos ⛏️

Introducción

Este proyecto consiste en una aplicación web que permite aplicar algoritmos de minería de datos a conjuntos de datos variables.

Módulos de la aplicación

Carga de datos 📓

Módulo que se encarga de cargar datos a la aplicación.

EDA - Análisis exploratorio de datos 🔎

Permite entender la estructura del conjunto de datos, identificar la variable objetivo y posibles técnicas de modelado.

PCA - Análisis de componentes principales 📊

Se utiliza análisis de componentes principales (ACP o PCA, Principal Component Analysis) para reducir la cantidad de variables en el conjunto de datos, mientras se conserva la mayor cantidad de información posible.

k-medias - Agrupamiento particional por k-medias 🧮

Se aplica agrupamiento particional mediante el algoritmo de k-medias utilizando el conjunto de datos obtenido en la carga de datos, EDA o PCA.

Entrenamiento del claisificador - Modelo de Regresión Logística 📈

Se entrena un modelo clasificación por regresión logística utilizando el conjunto de datos obtenido en la carga de datos, EDA o PCA.

Predicción de clases - Predicción utilizando el modelo de clasificación 🎯

Se utiliza el modelo de clasificación entrenado en el módulo Entrenamiento del clasificador para generar predicciones.

Requerimientos

• Python 3.8 o superior

Tecnologías utilizadas

• Python
• Streamlit
• Pandas
• Scikit-Learn
• Plotly

Pasos para instalar el proyecto

1. Clonar el repositorio
2. Crear una un ambiente virtual de python

$ python3 -m venv env

3. Activar el ambiente virtual (en Linux, MacOS o UNIX)

$ source env/bin/activate

3. Activar el ambiente virtual (en Windows)

$ env\Scripts\activate.bat

4. Instalar las dependencias

$ pip install -r requirements.txt

5. Correr utilizando streamlit

$ streamlit run app.py