UNIVERSIDAD DE ORIENTE

NÚCLEO DE MONAGAS
ESCUELA DE INGENIERÍA Y CIENCIAS APLICADAS
DEPARTAMENTO DE INGENIERÍA DE SISTEMAS
MATURÍN/MONAGAS/VENEZUELA

Evaluación Unidad IV
Construcción y explotación de un modelo de árbol de decisiones

Asignatura: Profesora:
Análisis de decisiones (071-3653) Ing. Yacira Aguiar
Grupo y sección: Unidad:
Grupo 4 – Sección 02 IV-Teoría de modelado

Junio, 2022
 Evaluación Unidad IV – Construcción y explotación de un modelo de árbol de decisiones

Evaluación Unidad IV
Construcción y explotación de un modelo de árbol de decisiones

Contexto

Ocre, Inc. Es una compañía dedicada a la fabricación, distribución y venta de ropa casual
de damas y caballeros. Recientemente, el equipo de marketing diseñó una estrategia de
captación de clientes para su nueva sucursal en un centro comercial. Para el desarrollo de
su estrategia cuentan con una lista de los 200 clientes más frecuentes del centro
comercial, la cual posee los datos de género (genre), edad (age), ingreso anual (anual
income) expresado en miles de dólares y segmento (segment). El segmento se refiere a la
clasificación que tiene el cliente basado en sus datos socioeconómicos, siendo A el grupo
con tendencia a compras de valor elevado; el grupo C, el grupo con tendencia a compras
de menor valor y B, el grupo intermedio.

Tomando en cuenta lo anterior, Ocre desea obsequiar a potenciales clientes tarjetas de

regalo o gift cards. Para optimizar la asignación de las tarjetas de regalo, con el objetivo de
maximizar las ganancias, han decidido otorgarlas según el segmento al cual pertenezcan
los potenciales clientes.

Es por ello que el Departamento de Marketing de Ocre requiere de un modelo de

clasificación que les permita identificar el segmento de un potencial cliente basado en sus
datos socioeconómicos y así determinar el valor de la gift card a asignar.

Contemplando lo anterior, se ha determinado que la asignación debe corresponder a lo

expresado en la siguiente tabla:

Segmento Gift card Descripción

A Oro $ 100 de descuento (Aplicable en compras mínimas de $ 200)
B Plata $ 50 de descuento (Aplicable en compras mínimas de $ 120)
C Bronce $ 20 de descuento (Aplicable en compras mínimas de $ 50)
 Evaluación Unidad IV – Construcción y explotación de un modelo de árbol de decisiones

Evaluación

La evaluación consiste de dos fases:

1. Construcción del modelo:

Utilizar el conjunto de datos de los clientes del centro comercial para crear un
modelo de clasificación (árbol de decisión) que ayude al Departamento de
Marketing de Ocre a identificar que gift card debe otorgar a los potenciales
clientes, según el segmento al que pertenezcan.

2. Explotación del modelo:

Elaborar el código para responder a las siguientes interrogantes:

Pregunta 1:
¿Cuál es la precisión del modelo?

Pregunta 2:
Indicar que gift card debe otorgarle Ocre al siguiente cliente:
Nombre del cliente Características
Ximena Luna Mujer de 27 años con ingreso anual de 20k.

Pregunta 3:
Indicar que gift card debe otorgarle Ocre al siguiente cliente:
Nombre del cliente Características
Héctor Ferreira Hombre de 21 años con ingreso anual de 22k.

Pregunta 4:
Indicar que gift card debe otorgarle Ocre al siguiente cliente:
Nombre del cliente Características
Paola Cruces Mujer de 34 años con ingreso anual de 17k
 Evaluación Unidad IV – Construcción y explotación de un modelo de árbol de decisiones

Pregunta 5:
Indicar que gift card debe otorgarle Ocre al siguiente cliente:
Nombre del cliente Características
Vinicius Vieira Hombre de 36 años con ingreso anual de 37k.

Pregunta 6:
Indicar que gift card debe otorgarle Ocre al siguiente cliente:
Nombre del cliente Características
David Ortiz Hombre de 32 años con ingreso anual de 30k.

Consideraciones

- Debe utilizarse únicamente el dataset suministrado.

- El árbol de decisión debe ser construido mediante código de programación en el
notebook de Google Colaboratory asignado.
- Debe utilizarse Python como lenguaje de programación, así como las siguientes
librerías:
o Pandas
o Scikit-learn
o Pydotplus
- El código debe estar comentado adecuadamente.
- El código debe generar una imagen del árbol de decisión resultante.
- Las preguntas de la fase 2 deben responderse a través del Google Form y estar
soportadas mediante código en el notebook de Google Colab.
- La construcción del modelo de árbol de decisión debe utilizar un random_state de
33.
- La data de testing debe ser de 33%.
- Una vez enviado el formulario se procederá a revocar los accesos de edición del
notebook de Google Colab.