CLASSIFICAÇÃO COM RANDOM FORESTS ANALISANDO DADOS DE UMA SEGURADORA

Aviso: O seguintes dados foram criados para esse exercício, a empresa não existe, o contexto, o CEO, e as questões de negócios existem apenas para elaboração desse contexto.

Sobre

Esse projeto é um exercício de treinamento sobre algoritmos random forest classifier, os dados foram criados, e é uma empresa de seguro fictícia.

Questão de negócio

A questão do negócio é prever se os novos clientes da seguradora vai acionar o seguro no futuro.

Planejamento da Solução

Fazer uma análise exploratória inicial com os dados:

1- Análise das variáveis serviço e idade:

O boxplot apresenta a variável 1, 2 e 3 (1 = nunca utilizaram o seguro, 2 = utilizaram algum tipo de serviço e 3 = sofreu algum tipo de furto) no eixo de serviço e um intervalo de idades no eixo idade. A conclusão principal é que tem um volume concentrado no serviço 1 com idade entre 18 anos até 55 anos, o serviço 2 um volume entre 55 anos até 75 anos e o serviço 3 o volume está entre 40 anos até 65 anos.

2- Análise das variáveis serviço e preço do seguro:

A conclusão principal deste boxplot é um volume concentrado no serviço 1 que os preços são mais baratos e se concentra até R$1000,00, o serviço 2 é o maior volume onde as pessoas já acionaram algum tipo serviço e o serviço 3 o volume mostra que o maiores valores dos seguros estão concentrado nesse tipo de serviço.

3- Análise das variáveis serviço e CEP:

Esse boxplot mostra que o serviço 1 e o serviço 2 os CEP's não tem uma alteração relevante nos dados, já o serviço 3 o volume mostra que existe uma concentração de prestação desse serviço nos CEP’s entre 1920 até o 19045, o que pode ser um índice grande de furtos na região.

Treino e Teste

As variáveis para treino foram divididas em 70% e teste 30%, o algoritmo random forest classifier foi colocado como estimators igual a 500. O resultado da matriz de confusão foi dada da seguinte maneira:

0 → Nunca usou o seguro;

1 → Usou algum tipo de serviço;

2 → Sofreu algum tipo de furto.

Acurácia do Modelo

               precision    recall  f1-score   support

           1       0.93      0.93      0.93        68
           2       0.87      0.68      0.76        40
           3       0.82      1.00      0.90        42

    accuracy                           0.88       150
   macro avg       0.87      0.87      0.86       150
weighted avg       0.88      0.88      0.88       150

Resultado

Depois do treino e teste é hora de colocar o modelo para produção da previsão dos novos clientes.

E os resultado foi:

1 → Que não vão usar o seguro = 15.

2 → Que vão usar algum tipo de serviço = 5.