Nesse projeto, foi feito um modelo de machine learning usando a Regressão Logística para prever se o cliente do banco vai dar churn ou não.
datapasta que contêm os dadosedapasta que contêm o notebook da análise exploratóriamodelingpasta que contêm o notebbok da modelagemsrcpasta que contêm as imagens que são usadas no readme.
Um banco quer desenvolver uma solução, utilizando machine learning, para prever se um cliente vai dar churn ou não.
Este conjunto de dados contém informações sobre os clientes de um banco e o status de churn desses clientes.
Link dataset: https://www.kaggle.com/datasets/saurabhbadole/bank-customer-churn-prediction-dataset
Para construir a solução foram testados os seguintes modelos:
- Logistic Regression
- Decision Tree Classifier
- XGBoost Classifier
- Random Forest Classifier
Para medir qual modelo teve a melhor performance, foram utilizadas métricas e técnicas, como a validação cruzada.
O modelo que performou melhor foi a Random Forest Classifier, com os seguintes resultados:
O objetivo desse projeto, era desenvolver uma solução usando machine learning para prever se um cliente do banco vai dar churn ou não. O modelo que desempenhou a melhor performance foi o Random Forest Classifier.