1. Reducción de Dimensionalidad
Proyección con PCA
Proyección con UMAP
Impacto de `n_neighbors` en UMAP
Conclusiones Clave de la Reducción
UMAP demuestra ser una herramienta significativamente más poderosa que PCA para la visualización. La elección del hiperparámetro n_neighbors es fundamental: valores bajos para investigar sub-estructuras y valores altos para comprender la disposición global.
2. Comparación de Modelos
Curvas ROC Comparativas
Regresión Logística
92%
Accuracy
Random Forest
94%
Accuracy
Red Neuronal
93%
Accuracy
Conclusiones Clave de los Modelos
El modelo de Red Neuronal y el Random Forest son las opciones superiores. La Red Neuronal, gracias a su arquitectura flexible y a la regularización, representa un enfoque moderno y robusto, logrando el mejor desempeño global aunque la diferencia con Random Forest es marginal.