- RowNumber : Identifiant unique pour chaque enregistrement et ne contribue pas directement à l'analyse.
- CustomerId : Pour différencier les clients individuels au sein de l'ensemble de données.
- Surname : Nom de famille de chaque client.
- CreditScore: Solvabilité d'un individu.
- Geography : Répartition géographique des clients.
- Gender: Genre (Femme / Homme).
- Age : Âge du client.
- Tenure: Nombre d'années ou de mois pendant lesquels le client est associé à la banque.
- Balance: Montant d'argent sur le compte bancaire du client à un moment précis.
- NumOfProducts: Produit bancaire utilisé, tel que des comptes d'épargne, des prêts, des cartes de crédit, etc.
- HasCrCard: Statut de la carte de crédit (0 = Non, 1 = Oui).
- IsActiveMember: statut d'adhésion actif (0 = Non, 1 = Oui).
- EstimatedSalary: Salaire estimé.
- Exited: abandonné ou pas ? (0 = Non, 1 = Oui). C'est la variable que nous cherchons à prédire en utilisant les autres fonctionnalités.
Procédure 1 : Suivez les étapes suivantes qui vous montrent comment exécuter le projet à l'aide de docker et docker-compose
- Etape1: Installer docker desktop
- Etape2: Cloner le projet sur le repository (branch main)
- Etape3: Il suffit de ce placer à la racine du répertoire du projet et execute les deux(2) commandes suivantes:
- D'abord:
docker-compose build
Note: Le processus de télechargement des images docker prend beaucoup de temps.
- Ensuite:
docker-compose up
- Etape1: Installer docker desktop
- Etape2: Aller sur le site de dockerhub (https://hub.docker.com/explore)
- Etape3: Dans la barre de recherche, recherchez "churn_finance_back" (pour l'image du backend) ou "churn_finance_front" (pour l'image du frontend)
- Etape4: Faire un pull de l'image Note: Spécifier le tag.
docker pull nom_image:<tag> ou docker pull nom_image:<tag>
- On peut lister les images pour voir:
docker image ls -a
* Etape5: Pour lancer le conteur de l'image
Note: port frontend = "8501" , port backend = "5000"
docker run -d -p port:port nom_image:<tag>
Procédure 3 : Les étapes suivantes montrent comment exécuter le projet directement en local avec un environnement python isolé (Windows et sur Mac Os)
- Etape1: Cloner le projet (branch main)
- Etape2:
Réference (https://realpython.com/python-virtual-environments-a-primer/#create-it) (https://www.pythoniste.fr/anaconda/les-environnements-virtuels-en-python-avec-anaconda/)
- Windows
conda create -n mon_environement python=<version>
conda activate mon_environement
pip install -r requirements.txt
conda deactivate
- Mac Os
python<version> -m venv mon_environement
source mon_environement/bin/activate
pip install -r requirements.txt
deactivate