ML-сервис для предсказания удовлетворённости клиентов авиакомпаний

Цель

Этот проект призван на основании реальных результатов опроса клиентов авиакомпании выявить ключевые факторы, влияющие на впечатление клиентов и научиться предсказывать удовлетворённость полётом.

Проект создан в рамках буткемпа "Разработка ML-сервиса: от идеи к прототипу".

Этапы проекта:

Разведочный анализ

Его результаты в файле customers.ipynb. Датасет, данные из которого были использованы.

В данных были пропуски. Строки с пропусками и выбросами были исключены из датасета.
Проанализирована линейная корреляция признаков.
Построены графики распределения клиентов по классам для категориальных признаков.
Под графиками приведены некоторые наблюдения.

Машинное обучение

Категориальные признаки закодированы с помощью Ordinal Encoder из scikit-learn
Все признаки масштабированы с использованием MinMaxScaler
Обучены 3 модели: Logistic Regression, SVM и CatBoost.
С помощью Catboost Classifier получены предсказания, выдающие результат выше 95% по всем использованным метрикам. Это наилучший результат.
Результат получилось ещё немного улучшить.

Создание веб-приложения

Приложение создано с помощью Streamlit

Поддерживаются 2 языка интерфейса - русский и английский.
В приложении есть анкета. После заполнения можно получить предсказание удовлетворённости.
Основной файл - app.py, сначала запускается он. Он отвечает за отрисовку интерфейса и обработку пользовательского ввода.
В файле model.py данные из анкеты подготавливаются так же, как при обучении моделейна датасете
Для предсказания загружается модель, показавшая наилучший результат - CatBoost.
В итоге пользователь получает предсказание и вероятности.