📊 Predicción de Ingresos (>50K o ≤50K)

Este proyecto utiliza inteligencia artificial para predecir si una persona tiene ingresos superiores a $50K basándose en sus características demográficas y laborales.

La aplicación está desarrollada en Streamlit, proporcionando una interfaz sencilla e interactiva para cargar datos, analizar tendencias y generar predicciones.

---

🚀 Características principales

• 📂 Carga de dataset CSV para análisis y predicciones.
• 📊 Exploración de datos (EDA) con gráficos de distribución y matriz de correlación.
• 🔍 Predicción automatizada basada en un modelo de machine learning preentrenado.
• 💾 Descarga de resultados con predicciones.

---

📂 Estructura del proyecto

income_prediction/
├── data/
│   └── dataset.csv              # Datos de entrenamiento y predicción
├── models/
│   └── modelo_income.pkl        # Modelo preentrenado para predicción
├── app/
│   └── app.py                   # Código de la aplicación Streamlit
├── requirements.txt             # Dependencias del proyecto
├── README.md                    # Documentación del proyecto
└── notebooks/
    └── analysis.ipynb           # Exploración y entrenamiento del modelo

---

📊 Dataset

El dataset debe contener las siguientes columnas:

• age: Edad de la persona.
• workclass: Tipo de empleo.
• education: Nivel educativo.
• marital.status: Estado civil.
• occupation: Ocupación laboral.
• relationship: Relación con el jefe de familia.
• race: Raza de la persona.
• sex: Género.
• capital.gain: Ganancia de capital.
• capital.loss: Pérdida de capital.
• hours.per.week: Horas trabajadas por semana.
• native.country: País de origen (convertido en variable binaria native_usa).
• income: Categoría objetivo (>50K o ≤50K).

🔹 Ejemplo de datos:

age	workclass	education	marital.status	occupation	income
34	Private	HS-grad	Never-married	Tech-support	<=50K
45	Self-emp	Bachelors	Married-civ-spouse	Exec-managerial	>50K

---

🛠 Tecnologías utilizadas

• Lenguaje: Python
• Framework: Streamlit
• Librerías principales:
  • pandas (manejo de datos)
  • scikit-learn (modelado predictivo)
  • matplotlib y seaborn (visualización de datos)
  • streamlit (interfaz de usuario)

---

📌 Instalación y uso

1️⃣ Clonar el repositorio

git clone https://github.com/tu-repo/income-prediction.git
cd income-prediction

2️⃣ Instalar dependencias

pip install -r requirements.txt

3️⃣ Ejecutar la aplicación

streamlit run app/app.py

Esto abrirá la aplicación en tu navegador, permitiéndote cargar datos y generar predicciones en tiempo real.

---

🎯 Contribuciones

¡Las contribuciones son bienvenidas! Si deseas mejorar el modelo o la aplicación, por favor abre un pull request o crea un issue en el repositorio.

🚀 ¡Gracias por visitar el proyecto! 🎯