Encuestas y datos categóricos

Descriptivos multivariante + correlaciones, clustering no supervisado (KMeans + PCA) para descubrir perfiles latentes, y clasificación supervisada (Random Forest) para predicción de categorías objetivo.

Descargar informe PDF

Dataset cargado

1800 registros de 180 sujetos. Fuente ejemplo: Work-From-Home Employee Burnout Dataset (público, Kaggle). Los pipelines aceptan cualquier CSV con features numéricas + variable objetivo categórica.

Método aplicado — descriptivos + correlaciones

Ver código del pipeline

desc = {
    "n": len(df),
    "burnout_media": df["burnout_score"].mean(),
    "burnout_std": df["burnout_score"].std(),
    "burnout_p50": df["burnout_score"].median(),
    "burnout_p90": df["burnout_score"].quantile(0.9),
    "correlacion_workhours": df["work_hours"].corr(df["burnout_score"]),
    "correlacion_sleep": df["sleep_hours"].corr(df["burnout_score"]),
}

Resultado — descriptivos

44.0

burnout medio

SD 23.9

6.5

horas trabajo/día

7.0h

sueño/día

0.12

r horas ↔ burnout

-0.01

r sueño ↔ burnout

Distribución de la variable objetivo

Categoría	N
Low	1527
Medium	253
High	20

Método aplicado — clustering no supervisado

Algoritmo

KMeans (scikit-learn 1.9.1) + PCA para proyección 2D.

n_clusters = 3
n_init = 10 inicializaciones distintas
random_state = 42
Preprocesado: StandardScaler (z-score)
PCA n_components = 2 solo para visualización

Features usadas

work_hours
screen_time_hours
meetings_count
breaks_taken
sleep_hours
task_completion_rate

Ver código del pipeline

from sklearn.cluster import KMeans
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler

X = df[features].values
X_scaled = StandardScaler().fit_transform(X)

km = KMeans(n_clusters=3, n_init=10, random_state=42)
labels = km.fit_predict(X_scaled)

# Perfil medio por cluster (características diferenciadoras)
perfil = df.assign(cluster=labels).groupby("cluster")[features + ["burnout_score"]].mean()

# Proyección 2D para visualización
pca = PCA(n_components=2, random_state=42)
coords = pca.fit_transform(X_scaled)

Resultado — perfiles descubiertos

Varianza explicada: PC1 39.4%, PC2 17.0%.

Perfil medio por cluster

Cluster	work_hours	screen_time_hours	meetings_count	breaks_taken	sleep_hours	task_completion_rate	burnout_score
0	8.72	11.54	3.12	3.08	6.99	69.6	48.18
1	4.72	7.37	1.04	4.17	7.08	77.18	36.61
2	4.83	7.61	0.98	1.67	6.92	71.44	45.24

Método aplicado — clasificación supervisada

Algoritmo

Random Forest Classifier

n_estimators = 300
random_state = 42
Etiqueta codificada con LabelEncoder

Evaluación

Cross-validation 5-fold, métrica accuracy.

Clases: High, Low, Medium
Features: 7 numéricas

Resultado — clasificación

0.957

Accuracy (CV)

±0.006

Features

Feature importance

Feature	Importancia
`task_completion_rate`	0.7700
`work_hours`	0.0606
`screen_time_hours`	0.0601
`sleep_hours`	0.0582
`meetings_count`	0.0228
`breaks_taken`	0.0205
`after_hours_work`	0.0078

Dataset completo — navegable

Total: 1800 filas · 11 columnas.

Filtrar: Mostrar filas

user_id	day_type	work_hours	screen_time_hours	meetings_count	breaks_taken	after_hours_work	sleep_hours	task_completion_rate	burnout_score	burnout_risk