Yelp California Restaurant Analytics

Dashboard interactivo de análisis exploratorio de datos (EDA) y predicción de popularidad para restaurantes en California usando datos de Yelp.

🎯 Características

• Pipeline de Data Engineering con limpieza y normalización de datos
• Feature Engineering avanzado con extracción de atributos de restaurantes
• Visualizaciones interactivas de distribución de calificaciones, reseñas y categorías
• Análisis por ciudad de promedios y proporciones de alta calificación
• Modelo de Machine Learning (Random Forest) para predecir popularidad
• Dashboard intuitivo construido con Streamlit
• Evaluación completa de modelos con métricas de rendimiento detalladas

📊 Visualizaciones

1. Distribución de calificaciones - Representación visual con estrellas proporcionales
2. Distribución de reseñas - Histograma del número de reseñas
3. Relación reseñas vs calificaciones - Scatter plot
4. Top 10 categorías - Gráfico de barras
5. Promedio por ciudad - Barras horizontales
6. Proporción de altas calificaciones - Gráfico circular

🚀 Instalación

# Clonar el repositorio
git clone https://github.com/Zoph-IA/yelp-california-restaurant-analytics.git
cd yelp-california-restaurant-analytics

# Instalar dependencias
pip install -r requirements.txt

• 💻 Uso

# Preparar y limpiar datos (opcional, ya procesado)
python data_preparation.py

# Ejecutar dashboard principal
streamlit run streamlit_app.py

# Evaluar modelos de ML
python model_evaluation.py

La aplicación se abrirá automáticamente en tu navegador en http://localhost:8501

🤖 Modelo de Predicción

El modelo utiliza Random Forest Classifier para predecir si un restaurante será popular (número de reseñas por encima de la mediana).

Features utilizadas:

• Numéricas: num_categories, latitude, longitude, lat_long_interaction, price_range
• Categóricas: city
• Binarias: is_multi_category, has_premium_category, has_casual_category
• Atributos: has_delivery, has_takeout, takes_reservations, good_for_groups, outdoor_seating, has_wifi, has_tv, good_for_kids, serves_alcohol
• Categorías de restaurante: 50+ categorías específicas (Pizza, Mexican, Italian, Sushi Bars, etc.)

Hiperparámetros:

• n_estimators: 500
• max_depth: 20
• min_samples_split: 3
• min_samples_leaf: 1
• max_features: sqrt
• class_weight: balanced
• random_state: 42

📦 Dependencias

• streamlit
• pandas
• numpy
• plotly
• scikit-learn
• statsmodels

📁 Estructura del Proyecto

yelp-california-restaurant-analytics/
├── streamlit_app.py          # Aplicación principal del dashboard
├── data_preparation.py       # Procesamiento y limpieza de datos
├── model_evaluation.py       # Evaluación de modelos ML
├── filtered_yelp_CA.csv      # Dataset de restaurantes
├── requirements.txt          # Dependencias
├── .gitignore                # Archivos ignorados
└── README.md                 # Documentación

📈 Dataset

El dataset final contiene 1,629 restaurantes en 10 ciudades de California extraídos de Yelp, con 350 columnas que incluyen:

• Información básica: nombre, dirección, ciudad, estado
• Ubicación: latitud, longitud
• Calificaciones: estrellas (1.5-5.0)
• Popularidad: número de reseñas (5-3,834)
• Estado operacional: abierto/cerrado
• Atributos: precio, delivery, takeout, reservaciones, WiFi, etc.
• Horarios: horarios de operación
• Categorías: 50+ categorías de restaurantes y servicios

🛠️ Tecnologías

• Python 3.x
• Streamlit - Framework para la aplicación web
• Plotly - Visualizaciones interactivas
• Scikit-learn - Modelo de Machine Learning
• Pandas - Manipulación de datos
• NumPy - Operaciones numéricas
• Statsmodels - Análisis estadístico

👤 Autor

Zoph-IA's team

📄 Licencia

Este proyecto está bajo la Licencia MIT.