PPDLS

Inspiration

Queríamos un recomendador para ventas que no solo diera una predicción, sino que también explicara por qué. Probamos mezclar modelos clásicos con un LLM para que fuera entendible.

What It Does

Nuestro sistema puntúa oportunidades usando XGBoost y Random Forest, y si no se ponen de acuerdo, un logistic regression decide. Además, mostramos SHAP global, SHAP por fila y una explicación en lenguaje natural generada por un LLM.

How We Built It

Entrenamos los modelos, añadimos meta-features para detectar acuerdos y desacuerdos, montamos el logistic para desempatar, metimos SHAP para explicar, y montamos todo en una pequeña app en Streamlit.

Challenges

Problemas con NumPy, sincronizar el cuaderno con la app, y hacer que las explicaciones no tardaran una eternidad en generarse.

Accomplishments

El ensemble funciona mejor que cada modelo solo, las explicaciones están integradas y la app queda bastante usable.

What We Learned

Los meta-features ayudan mucho, el logistic necesita OOF para funcionar bien, y las explicaciones con LLM hacen que todo sea más entendible.

Built With

• python
• streamlit