Casos de práctica

Cómo se trabaja un caso. Leed primero el dossier. Abre con el contexto del encargo, un documento interno de la organización que explica a qué se dedica, qué problema tiene y qué decisiones tiene pendientes; os sitúa el caso, pero no os dice qué hay que predecir. Con eso y el diccionario de campos, decidid qué variable tiene sentido predecir con las demás y si el problema es de regresión o de clasificación. Descargad después el fichero de datos. Viene deliberadamente sucio en tres planos. De formato: importes y fechas guardados como texto, categorías escritas de forma inconsistente, ausencias codificadas con centinelas como −99 o «N/D» y alguna columna redundante. De contenido: unas pocas filas traen valores imposibles por error de grabación, del tipo del piso de ochenta metros en Madrid que figura a quinientos euros porque alguien se comió el separador de millares; localizarlos y decidir qué hacer con ellos es parte del trabajo, y un recorte ciego por percentiles no sirve porque se llevaría por delante observaciones legítimas. Y de completitud: alrededor del dos por ciento de las filas tiene alguna celda literalmente vacía, que es una codificación de ausencia distinta de los centinelas anteriores y hay que tratarla aparte. Varias columnas no aportan nada y debéis detectarlo por vosotros mismos.