Este gráfico de Sankey ilustra la trayectoria de los concejales electos en 2021 como independientes y que presentaron una candidatura en 2024. El gráfico muestra cómo han cambiado su "entorno partidario" desde su elección. Se entiende como entorno partidario la militancia en un partido o la presentación como independiente en lista de ese partido.

For Dynata

Este gráfico de Sankey ilustra la trayectoria de los concejales electos en 2021 que presentaron una candidatura en 2024. El gráfico muestra cómo han cambiado su "entorno partidario" desde su elección. Se entiende el entorno partidario como la militancia en un partido o la presentación de una candidatura como independiente en un cupo de ese partido. Nodos del Gráfico: Concejales Electos 2021: Este nodo agrupa a los concejales que fueron electos en 2021, según su entorno partidario de origen. Candidaturas 2024: Este nodo incluye el entorno partidario por el que los concejajes electos en 2021 optaron por postularse en 2024. Interpretación de los Flujos: Ancho de los Vínculos: Cada vínculo entre los nodos de origen y destino representa el número de concejales que han cambiado de partido. El ancho del flujo indica la cantidad de concejales que han realizado este cambio. Cambio de Militancia: Los flujos hacia los nodos de "Candidaturas 2024" reflejan la dinámica de cambio de afiliación política de los concejales.

Updated Copy of Hotel Satisfaction.

Analyzing Shipwreck Data for Historical InsightsPresented by: Jack

My ggplotly test

This project explores the application of logistic regression to predict whether users will click on online advertisements based on demographic and behavioral data. Using a dataset containing information such as age, daily internet usage, income, and engagement metrics, we conducted extensive exploratory data analysis (EDA) to uncover key patterns and relationships. After cleaning and transforming the data, including feature engineering to extract temporal components, we built a logistic regression model to predict ad clicks. The model achieved a strong balance between precision and recall, indicating its effectiveness in identifying factors influencing user behavior. Key findings suggest that user age, daily internet usage, and time spent on site significantly impact the likelihood of clicking on ads. This analysis demonstrates the power of predictive modeling in digital marketing and highlights potential areas for future model enhancement using more advanced machine learning techniques.

bt