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

3. Ativar o ambiente virtual

conda activate env_auto

4. Após a ativação é necessário rodar o seguinte comando:

jupyter notebook

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

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