/probabilidade-analise-de-credito

Calcular a probabilidade de um solicitante ir para a análise de crédito

Esse notebook tem como objetivo construir um modelo de classificação que retorne a probabilidade que um cliente tem de ser enviado para análise de crédito dado que ele foi pré-aprovado para o empréstimo com garantia de automóvel.

Requisitos

  1. Pandas: para leitura e manipulação de dados

  2. https://matplotlib.org/: para criar o gráfico de barras

  3. Seaborn: para criar o gráfico de barras

  4. Pycaret: para realizar o AutoML

  5. sklearn: para criação de modelos de machine learning

  6. numpy: para realizar calculos e operações de manipulação de estrutura de dados

  7. scipy: para realizar testes estatísticos

  8. imblearn: para realizar o método de balanceamento de classes

  9. Alibi: para realizar o método de explicabilidade dos modelos

  10. imblearn: para realizar o método de balanceamento de classes

  11. Pandas Profilling: para realizar o método de análise de dados automática

Estrutura do projeto

  • Untitled.ipynb: notebook com os códigos das análises, insights extraídos e construção do modelo.
  • dataset.csv: arquivo com os dados
  • description.csv : arquivo com a descrição dos campos dos dados
  • environment.yml: arquivo yml para instalar as bibliotecas
  • modelo_auto.pkl: arquivo com o modelo pkl

Como usar:

  1. Baixar o projeto
  2. Dentro do terminal do anaconda rodar:
conda env create -f environment.yml --name env_auto
  1. Ativar o ambiente virtual
conda activate env_auto
  1. Após a ativação é necessário rodar o seguinte comando:
jupyter notebook

  1. Acessar a pasta do projeto e abrir o arquivo .ipynb

  2. Rodar os códigos na ordem mostrada no tópico "Etapas de execução do notebook"