Machine Learning for Prediction of Credit Card Churn

Visão Geral

Este projeto tem como objetivo prever a probabilidade de cancelamento de cartões de crédito (churn) e identificar padrões comportamentais e financeiros entre os clientes de uma instituição bancária. O conjunto de dados contém 11573 registros, abrangendo variáveis como limite de crédito, renda, número de transações e nível de educação dos clientes. A análise busca responder questões cruciais, como quais perfis apresentam maior risco de cancelamento e se características como gênero e salário influenciam a retenção.

Métodos Aplicados

Realizo uma limpeza rigorosa dos dados, tratando valores faltantes e outliers e aplicando codificação para variáveis categóricas. Foram desenvolvidos três modelos de Machine Learning supervisionados — DecisionTreeClassifier, RandomForestClassifier e XGBoost — com uma precisão superior a 90% em todos os casos. Além disso, uma análise aprofundada das importâncias das features foi conduzida para identificar os principais fatores que influenciam o churn, orientando decisões estratégicas.

Ferramentas Utilizadas

Nesse projeto utilizei da linguagem Python, e suas bibliotecas Pandas, Matplotlib e Numpy para a análise e limpeza de dados, posteriormente a biblioteca Sklearn para criação dos modelos, e Joblib para dumping dos modelos

Próxima Seção