{"id":20514579,"url":"https://github.com/emso-exe/churn_clientes_de_banco","last_synced_at":"2025-09-08T22:46:38.955Z","repository":{"id":164239790,"uuid":"600627161","full_name":"emso-exe/Churn_clientes_de_banco","owner":"emso-exe","description":"Projeto de análise de churn, utilizando machine learning na classificação de dados de clientes que poderão ou não efetuar o encerramento de conta bancária.","archived":false,"fork":false,"pushed_at":"2023-09-22T21:25:21.000Z","size":8096,"stargazers_count":2,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-09-08T22:46:35.759Z","etag":null,"topics":["analise-de-dados","ciencia-de-dados","data-analytics","data-science","dataanalytics","kaggle","kaggle-dataset","machine-learning","machinelearning","python","python-3","python3"],"latest_commit_sha":null,"homepage":"","language":"Jupyter Notebook","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"mit","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/emso-exe.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":"LICENSE.md","code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null}},"created_at":"2023-02-12T04:09:57.000Z","updated_at":"2023-08-14T03:37:47.000Z","dependencies_parsed_at":null,"dependency_job_id":"c5be16f4-992e-48d4-826d-d513469ba80e","html_url":"https://github.com/emso-exe/Churn_clientes_de_banco","commit_stats":null,"previous_names":[],"tags_count":0,"template":false,"template_full_name":null,"purl":"pkg:github/emso-exe/Churn_clientes_de_banco","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/emso-exe%2FChurn_clientes_de_banco","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/emso-exe%2FChurn_clientes_de_banco/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/emso-exe%2FChurn_clientes_de_banco/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/emso-exe%2FChurn_clientes_de_banco/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/emso-exe","download_url":"https://codeload.github.com/emso-exe/Churn_clientes_de_banco/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/emso-exe%2FChurn_clientes_de_banco/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":274231229,"owners_count":25245659,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","status":"online","status_checked_at":"2025-09-08T02:00:09.813Z","response_time":121,"last_error":null,"robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":true,"can_crawl_api":true,"host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["analise-de-dados","ciencia-de-dados","data-analytics","data-science","dataanalytics","kaggle","kaggle-dataset","machine-learning","machinelearning","python","python-3","python3"],"created_at":"2024-11-15T21:17:09.976Z","updated_at":"2025-09-08T22:46:38.913Z","avatar_url":"https://github.com/emso-exe.png","language":"Jupyter Notebook","funding_links":[],"categories":[],"sub_categories":[],"readme":"# 🔎 Análise e classificação de Churn de clientes de banco 😒\n\nProjeto de machine learning para análise de dados e classificação de clientes que potencialmente poderão encerrar suas contas em um banco, os dados estão disponíveis na plataforma [Kaggle](https://www.kaggle.com/datasets/shrutimechlearn/churn-modelling).\n\nO problema a ser solucionado consiste em utilizar os dados bancários dos clientes que efetuaram ou não o encerramento de suas contas para criar um modelo preditivo que irá identificar possíveis clientes que poderão ou não deixar a instituição bancária, podendo assim determinar a taxa de churn (rotatividade/perda de clientes) e com base nos perfis mapeados tomar ações para retenção dos mesmos, evitando impactos como, por exemplo, aumento de custos, queda de lucro, reputação da marca entre outros fatores sensíveis a experiência do cliente com o produto da empresa.\n\n## 📃 Demanda da análise\n\n- Analisar a correlação dos dados dos clientes.\n- Gerar um modelo preditivo de churn de clientes.\n  \n## 📋 Tópicos da análise\n\n1. Análise das medidas estatísticas dos dados\n2. Distribuição dos valores da váriavel dependente (target)\n3. Distribuição dos dados entre as variáveis independentes (features) e dependente (target)\n4. Correlação entre as variáveis\n5. Preparação dos dados para aplicação no modelo preditivo\n6. Separação (treino e teste), padronização e balanceamento dos dados\n7. Modelo preditivo: Regressão Logística\n   1. Busca pelos melhores parâmetros e treinamento do modelo\n   2. Treinamento e predições do modelo\n   3. Métricas de avaliação do modelo\n8. Modelo preditivo: Decision Tree\n   1. Busca pelos melhores parâmetros e treinamento do modelo\n   2. Treinamento e predições do modelo\n   3. Métricas de avaliação do modelo\n9.  Modelo preditivo: Random Forest\n    1. Busca pelos melhores parâmetros e treinamento do modelo\n    2. Treinamento e predições do modelo\n    3. Métricas de avaliação do modelo\n10. Modelo preditivo: SVM (Support Vector Machine)\n    1. Busca pelos melhores parâmetros e treinamento do modelo\n    2. Treinamento e predições do modelo\n    3. Métricas de avaliação do modelo\n11. Comparativo gráfico e de métricas\n12. Conclusão\n\n## 📓 Dicionário de dados\n\n**RowNumber:** Números de linha de 1 a 10.000\u003cbr\u003e\n**CustomerId:** Ids exclusivos para identificação do cliente do banco\u003cbr\u003e\n**Surname:** Sobrenome do cliente\u003cbr\u003e\n**CreditScore:** Score do cliente\u003cbr\u003e\n**Geography:** País onde o cliente reside\u003cbr\u003e\n**Gender:** Gênero, masculino ou feminino\u003cbr\u003e\n**Age:** Idade do cliente\u003cbr\u003e\n**Tenure:** Número de anos que o cliente está no banco\u003cbr\u003e\n**Balance:** Saldo bancário do cliente\u003cbr\u003e\n**NumOfProducts:** Número de produtos bancários que o cliente está utilizando\u003cbr\u003e\n**HasCrCard:** Flag para saber se o cliente possui um cartão de crédito com o banco ou não\u003cbr\u003e\n**IsActiveMember:** Flag para saber se o cliente é um membro ativo do banco ou não\u003cbr\u003e\n**EstimatedSalary:** Salário estimado do cliente em dólares\u003cbr\u003e\n**Exited:** Flag, 1 se o cliente encerrou a conta no banco e 0 se o cliente permaneceu\u003cbr\u003e\n\n## 💻 Tecnologias\n\n- Python\n    - Biblioteca GC\n    - Biblioteca Pandas\n    - Biblioteca Matplotlib\n    - Biblioteca Seaborn\n    - Biblioteca Numpy\n    - Biblioteca Warnings\n    - Biblioteca Tabulate\n    - Biblioteca SciKit-learn\n    - Biblioteca Imbalanced-learn\n\n## 💳 Créditos\n\n- [Estênio Mariano](https://github.com/emso-exe)\n\n## 🔖 Licença\n\nLicença MIT (MIT). Por favor leia o [arquivo da licença](LICENSE.md) para mais informações.","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Femso-exe%2Fchurn_clientes_de_banco","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Femso-exe%2Fchurn_clientes_de_banco","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Femso-exe%2Fchurn_clientes_de_banco/lists"}