Modelo de clasificación y predicción multivariable de calidad de servicio mediante indicadores de atención utilizando métodos híbridos de selección de variables y extreme gradient boosting

Abstract

Desarrolla un modelo de predicción de calidad de servicio a través de indicadores de atención utilizando métodos híbridos de selección como el Recursive Feature Elimination (RFE), Shrinkaje L1 L2 y extreme gradient boosting (XGBoost), lográndose obtener una Precisión de hasta el 93.75%, una Exactitud de hasta el 88.89% , una Sensibilidad de hasta el 92.86% y un puntaje F1 de hasta 88.31% además de una reducción de variables de hasta el 53.3%.