O presente trabalho visa realizar uma modelagem preditiva, baseada nos pilares da ciência de dados e do aprendizado de máquina. Para a análise, foi utilizada base de dados default of credit card clients da UCI, a qual contém cerca de 30000 contas de etiquetadas de maneira binária, os quais indicam se o cliente conseguiu (ou não) pagar a fatura mínima de crédito dentro dos ultimos 6 meses.
- Linguagem: Python 3.11.5
- Bibliotecas: Pandas (2.1.1), Numpy (1.24.3), Plotly (5.9.0), Matplotlib (3.8.0), Scikit-learn (1.3.0)
- clone o repositório
- crie um ambiente virtual com o comando:
python -m venv venv- entre no seu novo ambiente com o comando:
.\venv\Scripts\activate- instale as dependências:
pip install requirements.txtpronto, agora basta execurtar o notebook.
Crie o environment a partir do arquivo e ative com os seguintes comandos
conda env create -f environment.yml
conda activate nome_do_ambienteOu carregue o arquivo .yml via Anaconda Navigator